JP2009503547A - Methods, data structures and systems for classifying particulates - Google Patents

Methods, data structures and systems for classifying particulates Download PDF

Info

Publication number
JP2009503547A
JP2009503547A JP2008525093A JP2008525093A JP2009503547A JP 2009503547 A JP2009503547 A JP 2009503547A JP 2008525093 A JP2008525093 A JP 2008525093A JP 2008525093 A JP2008525093 A JP 2008525093A JP 2009503547 A JP2009503547 A JP 2009503547A
Authority
JP
Japan
Prior art keywords
data set
lookup table
classification
location
particulate
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
JP2008525093A
Other languages
Japanese (ja)
Other versions
JP2009503547A5 (en
Inventor
カルバン,エドワード・エイ
ロス,ウェイン・ディ
Original Assignee
ルミネックス・コーポレーション
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by ルミネックス・コーポレーション filed Critical ルミネックス・コーポレーション
Publication of JP2009503547A publication Critical patent/JP2009503547A/en
Publication of JP2009503547A5 publication Critical patent/JP2009503547A5/ja
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10Investigating individual particles
    • G01N15/14Optical investigation techniques, e.g. flow cytometry
    • G01N15/1456Optical investigation techniques, e.g. flow cytometry without spatial resolution of the texture or inner structure of the particle, e.g. processing of pulse signals
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10Services
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16CCOMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/70Machine learning, data mining or chemometrics
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10Investigating individual particles
    • G01N15/14Optical investigation techniques, e.g. flow cytometry
    • G01N2015/1477Multiparameters
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10Investigating individual particles
    • G01N15/14Optical investigation techniques, e.g. flow cytometry
    • G01N2015/1488Methods for deciding

Landscapes

  • Chemical & Material Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Dispersion Chemistry (AREA)
  • Medical Informatics (AREA)
  • Analytical Chemistry (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Pathology (AREA)
  • Artificial Intelligence (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

粒子を分類するための方法、データ構造、及びシステムが、提供される。特に、方法及びシステムは、微粒子の測定可能なパラメータに対応する第1のデータ・セットを獲得し、第1のデータ・セットが対応するルックアップ・テーブルのロケーションを識別するように構成され、ルックアップ・テーブルは、測定可能なパラメータの少なくとも1つに関連する値によって組み立てられる。さらに、方法及びシステムは、第1のデータ・セットが、ルックアップ・テーブルの識別されたロケーションに関連する異なる微粒子分類をそれぞれ示す、1つ又は複数の事前に決めたアルゴリズムに合うかどうかを判定するように構成される。方法及びシステムは、第1のデータ・セットが、1つ又は複数の事前に決めたアルゴリズムに合うかどうかの判定に基づき、少なくとも1つの事前に決めたカテゴリ分類内に微粒子を分類するようにさらに構成される。  Methods, data structures, and systems for classifying particles are provided. In particular, the method and system are configured to obtain a first data set corresponding to a measurable parameter of a particulate and identify a lookup table location to which the first data set corresponds. The up table is assembled with values associated with at least one of the measurable parameters. Further, the method and system determine whether the first data set meets one or more predetermined algorithms that each indicate a different particulate classification associated with the identified location of the lookup table. Configured to do. The method and system further includes classifying the particulate within at least one predetermined category classification based on determining whether the first data set fits one or more predetermined algorithms. Composed.

Description

本発明は、一般に、微粒子を分類するための方法、データ構造、システムに関する。いくつかの実施態様は、或る微粒子に関して獲得されたデータを、様々な微粒子分類に関連するルックアップ・テーブルや、1つ又は複数のアルゴリズムと組み合わせて使用して、その微粒子を分類するための方法に関する。   The present invention relates generally to methods, data structures, and systems for classifying particulates. Some embodiments use data acquired for a particulate to classify the particulate using a lookup table associated with various particulate classifications or in combination with one or more algorithms. Regarding the method.

以下の説明及び例は、このセクションに含まれることにより、先行技術であるとは認められない。   The following description and examples are not admitted to be prior art by inclusion in this section.

一般に、フロー・サイトメータは、フローチャンバの中を微粒子が直線的に通るにつれ、微粒子(例えば、レーザによって励起されたポリスチレン・ビーズ)の蛍光強度や、その他の光学特性の測定値を提供する。微粒子によって散乱させられる光のレベル、微粒子の電気インピーダンスの測定、微粒子の蛍光の1つ又は複数の測定を含むが、以上には限定されない様々な測定を、実行することができる。これら、及びその他のあらゆる測定は、検出器と、場合により、その検出器に結合された他の構成要素(例えば、光学構成要素、電子構成要素など)とを含むシステムの様々な「チャネル」(例えば、レポータ・チャネル及び分類チャネル)によって実行される。   In general, flow cytometers provide measurements of fluorescence intensity and other optical properties of particulates (eg, polystyrene beads excited by a laser) as the particulates pass linearly through the flow chamber. Various measurements can be performed including, but not limited to, measuring the level of light scattered by the microparticles, measuring the electrical impedance of the microparticles, and measuring one or more of the fluorescence of the microparticles. These, and any other measurements, are the various “channels” of the system, including the detector and possibly other components (eg, optical components, electronic components, etc.) coupled to the detector. For example, a reporter channel and a classification channel).

微粒子は、微粒子の測定値の1つ又は複数によって分類されることがある。各値は、微粒子の様々な「パラメータ」(前段に例を記した)に対応する。例えば、微粒子を分類する1つの一般的な方法は、測定値を分類空間(例えば、ビットマップ)においてグラフ化し、そのグラフ化されたロケーションが、微粒子の或る特定の分類に対応する分類空間の所定の領域内に位置しているかどうかを判定することである。そのようなプロセスを本明細書では、ビットマップ・ベースの従来の分類方法と呼ぶ。残念ながら、このプロセスは、欠点を有する。特に、この方法を使用する分類スキームのグラフ表現は、2つより多くのパラメータに容易に拡張されない。   The microparticles may be classified by one or more of the microparticle measurements. Each value corresponds to various “parameters” of the microparticles (examples given above). For example, one common method of classifying particulates is to graph measurements in a classification space (eg, a bitmap), where the graphed location corresponds to a particular classification of particulates in the classification space. It is to determine whether or not it is located within a predetermined area. Such a process is referred to herein as a conventional bitmap-based classification method. Unfortunately, this process has drawbacks. In particular, the graphical representation of a classification scheme using this method is not easily extended to more than two parameters.

前述した分類方法を2つより多くのパラメータに拡張する際に直面する1つの具体的な問題は、グラフのサイズが、微粒子を分類するのに使用される各パラメータの分解能に対して直線的に、さらに、パラメータの数に応じて指数的に拡大することである。例えば、2次元ビットマップが、100ユニットの総合サイズ(すなわち、10ユニット×10ユニット)を有する場合、3次元ビットマップは、1000ユニットの総合サイズを有し、4次元のビットマップは、10000ユニットの総合サイズを有する。そのような指数的増加は、一部のケースにおいて、いくらかのシステム・メモリ容量に関して完全に法外である。また、フロー・サイトメトリによって微粒子に関して獲得されるデータのパラメータは、しばしば、可能な100ユニットよりはるかに大きい総合サイズを有し、通常、3つ以上のパラメータを含むことにも留意されたい。さらに、2次元を超えてビットマップを作成することは、2次元においてよりもはるかに困難である。というのは、「2より多くの」次元のビットマップを、紙又はコンピュータ・ディスプレイなどの2次元構造において表現することは、実際のデータに対する忠実度をいくらか犠牲にすることを要求するからである。   One particular problem encountered when extending the classification method described above to more than two parameters is that the size of the graph is linear with respect to the resolution of each parameter used to classify particulates. Furthermore, it expands exponentially according to the number of parameters. For example, if a 2D bitmap has a total size of 100 units (ie 10 units × 10 units), a 3D bitmap has a total size of 1000 units and a 4D bitmap has 10000 units. Has a total size of Such an exponential increase is completely prohibitive in some cases with respect to some system memory capacity. It should also be noted that the parameters of the data acquired for the microparticles by flow cytometry often have an overall size much larger than the 100 possible units and usually include more than two parameters. Furthermore, creating a bitmap beyond two dimensions is much more difficult than in two dimensions. This is because representing a "more than two" dimensional bitmap in a two-dimensional structure, such as paper or a computer display, requires some sacrifice of fidelity to the actual data. .

したがって、2つより多くのパラメータを超えて容易に拡張されることが可能であり、追加の各パラメータとともに指数的にメモリ使用量を拡大することなく、粒子分類が実行される処理時間を最小限に抑えるように構造化された、粒子を分類するための方法、データ構造、システムを開発することが望ましい。   Thus, it can easily be expanded beyond more than two parameters, minimizing the processing time during which particle classification is performed without exponentially increasing memory usage with each additional parameter. It is desirable to develop methods, data structures, and systems for classifying particles that are structured so as to keep them in check.

方法、データ構造、システムの様々な実施態様の以下の説明は、全く、添付の特許請求の範囲の主題を限定するものと解釈されるべきではない。   The following description of various implementations of methods, data structures, and systems should not be construed as limiting the subject matter of the appended claims in any way.

コンピュータによって実施される方法の実施態様は、微粒子の測定可能なパラメータに対応する第1のデータ・セットを獲得するステップと、第1のデータ・セットが対応するルックアップ・テーブルのロケーションを識別するステップとを含み、ルックアップ・テーブルが、測定可能なパラメータの少なくとも1つに関連する値によって組み立てられる。さらに、方法は、第1のデータ・セットが、1つ又は複数の事前に決めたアルゴリズムに合うかどうかを判定するステップを含み、1つ又は複数の事前に決めたアルゴリズムのそれぞれは、ルックアップ・テーブルの識別されたロケーションに関連する複数の微粒子分類の異なる微粒子分類をそれぞれ示す。方法は、第1のデータ・セットが、1つ又は複数の事前に決めたアルゴリズムに合うかどうかの判定に基づき、少なくとも1つの事前に決めたカテゴリ分類内に微粒子を分類するステップをさらに含む。方法の、この実施態様は、本明細書で説明される他のあらゆるステップを含むことが可能である。   An embodiment of a computer-implemented method identifies obtaining a first data set corresponding to a measurable parameter of a particulate and identifying a look-up table location to which the first data set corresponds. And a lookup table is constructed with values associated with at least one of the measurable parameters. Further, the method includes determining whether the first data set fits one or more predetermined algorithms, each of the one or more predetermined algorithms being a lookup Each of the different particle classifications of the plurality of particle classifications associated with the identified location of the table. The method further includes classifying the microparticles within at least one predetermined category classification based on determining whether the first data set fits one or more predetermined algorithms. This embodiment of the method may include any other steps described herein.

システムの或る実施態様は、プロセッサと、微粒子の1つ又は複数の測定可能なパラメータによって組み立てられたルックアップ・テーブルと、前述したコンピュータによって実施される方法のステップを実行するためにプロセッサによって実行可能であるプログラム命令とを含む。システムの、この実施態様は、本明細書で説明されるとおり、さらに構成される。さらに、ルックアップ・テーブルのデータ構造は、本明細書で説明されるとおり、さらに構成される。   Some embodiments of the system are performed by the processor to perform the steps of the processor, a look-up table assembled with one or more measurable parameters of the particulate, and the computer-implemented method described above. Program instructions that are possible. This embodiment of the system is further configured as described herein. Further, the data structure of the lookup table is further configured as described herein.

コンピュータによって実施される方法の別の実施態様は、微粒子の測定可能なパラメータに対応する第1のデータ・セットを獲得するステップと、第1のデータ・セットの1つ又は複数の異なる値にそれぞれが対応する1つ又は複数の包括値を含む第2のデータ・セットを作成するステップとを含む。包括値のそれぞれは、対応する測定可能なパラメータに関する或る範囲の可能な値を表す。方法は、第2のデータ・セットが対応するルックアップ・テーブルのロケーションを識別するステップをさらに含み、ルックアップ・テーブルは、測定可能なパラメータの少なくとも1つのパラメータの包括値によって組み立てられる。さらに、方法は、第1のデータ・セットが、ルックアップ・テーブルの識別されたロケーションに関連する微粒子分類を示す事前に決めたアルゴリズムに合うかどうかを判定するステップと、そのような判定に基づいて、少なくとも1つの事前に決めたカテゴリ分類内に微粒子を分類するステップとを含む。方法の、この実施態様は、本明細書で説明される他のあらゆるステップを含むことが可能である。   Another embodiment of the computer-implemented method includes obtaining a first data set corresponding to a measurable parameter of the microparticle, and one or more different values of the first data set, respectively. Creating a second data set including one or more comprehensive values to which. Each inclusive value represents a range of possible values for the corresponding measurable parameter. The method further includes identifying a look-up table location to which the second data set corresponds, the look-up table being assembled with a comprehensive value of at least one parameter of the measurable parameter. Further, the method determines whether the first data set meets a predetermined algorithm that indicates the particulate classification associated with the identified location of the lookup table; and based on such determination And classifying the particles within at least one predetermined category classification. This embodiment of the method may include any other steps described herein.

本発明の他の目的及び利点は、以下の詳細な説明を読み、添付の図面を参照することで、明白となろう。   Other objects and advantages of the present invention will become apparent upon reading the following detailed description and upon reference to the accompanying drawings in which:

本発明は、様々な変形形態と代替の形態が可能であるが、本発明の特定の実施形態が、例として、図面に示され、本明細書で詳細に説明される。しかし、本発明の図面及び詳細な説明は、本発明を、開示される特定の形態に限定することは意図しておらず、それどころか、本発明は、添付の特許請求の範囲によって決められる本発明の精神と範囲に含まれる全ての変形形態、均等形態、代替形態を範囲に含むものとされることを理解されたい。   While the invention is susceptible to various modifications and alternative forms, specific embodiments of the invention are shown by way of example in the drawings and are described in detail herein. However, the drawings and detailed description of the invention are not intended to limit the invention to the particular forms disclosed, but rather, the invention is defined by the appended claims. It should be understood that all variations, equivalents, and alternatives included in the spirit and scope of the present invention are intended to be included in the scope.

「微粒子」という用語は、本明細書では、粒子、マイクロスフィア、ポリスチレン・ビーズ、量子ドット、ナノドット、ナノ粒子、ナノシェル、ビーズ、マイクロビーズ、ラテックス粒子、ラテックス・ビーズ、蛍光ビーズ、蛍光粒子、カラー粒子、カラー・ビーズ、組織、細胞、微生物、有機物、非有機的な物質、又は当技術分野で知られている他のあらゆる離散的な基材もしくは物質を全体的に指すのに使用される。そのような用語のいずれも、本明細書で互いに区別なく使用されることが可能である。本明細書で説明される方法、データ構造、システムは、任意のタイプの微粒子の分類のために使用されることが可能である。一部のケースにおいて、本明細書で説明される方法、データ構造、システムは、分子反応のためのビヒクルの役割をする微粒子に関して、特に使用されることが可能である。フロー・サイトメトリにおいて使用される例示的な分子反応微粒子には、テキサス州オースティン所在のLuminex社から市販で入手することができる、xMAP(登録商標)マイクロスフィアが含まれる。   The term “microparticle” is used herein to refer to particles, microspheres, polystyrene beads, quantum dots, nanodots, nanoparticles, nanoshells, beads, microbeads, latex particles, latex beads, fluorescent beads, fluorescent particles, color Used to refer generally to particles, colored beads, tissues, cells, microorganisms, organics, non-organic materials, or any other discrete substrate or material known in the art. Any of such terms can be used interchangeably herein. The methods, data structures, and systems described herein can be used for classification of any type of microparticle. In some cases, the methods, data structures, and systems described herein can be used specifically with microparticles that serve as vehicles for molecular reactions. Exemplary molecular reactive microparticles used in flow cytometry include xMAP® microspheres, which are commercially available from Luminex, Inc., Austin, Texas.

本明細書で使用される、「分類」という用語は、サンプルにおける個々の微粒子の識別を特定することとして一般に決められる。識別は、個々の微粒子が属する母集団と関係する。そのような分類は、しばしば、サンプルが、サンプルの単一回の試験において複数の異なる母集団の微粒子を使用して分析されるため、特に重要である。特に、異なる母集団の微粒子は、通常、サンプル内の様々なタイプ及び/又は量の検体の存在が、単一回の試験において検出され、及び/又は定量化されることが可能であるように、微粒子に結合した物質のタイプ、及び/又は微粒子に結合した物質の量などの、少なくとも1つの様々な特性を有する。測定結果を解釈するのに、サンプルにおける個々の微粒子の識別又は分類は、測定値が、個々の微粒子の特性と互いに関係付けられることが可能であるように、特定される。このようにして、異なる母集団の微粒子に関連する測定値が、区別されて、関心対象の検体にそれぞれ帰せられる。   As used herein, the term “classification” is generally defined as specifying the identification of individual microparticles in a sample. Identification relates to the population to which the individual particulate belongs. Such classification is particularly important because samples are often analyzed using a plurality of different populations of microparticles in a single test of the sample. In particular, different populations of microparticles usually allow the presence of different types and / or amounts of analyte in a sample to be detected and / or quantified in a single test. At least one different property, such as the type of substance bound to the microparticles and / or the amount of the substance bound to the microparticles. In interpreting the measurement results, the identification or classification of the individual microparticles in the sample is specified so that the measured values can be correlated with the characteristics of the individual microparticles. In this way, measurements associated with different populations of microparticles are differentiated and attributed to each analyte of interest.

本明細書で説明されるプロセスの1つ又は複数を実行するように構成されるシステムには、Luminex(登録商標)100(商標)、Luminex(登録商標)HTS、Luminex(登録商標)100E、Luminex(登録商標)200(商標)、テキサス州オースティン所在のLuminex社から入手可能な、このファミリの製品へのあらゆるさらなるアドオンが含まれるが、以上には限定されない。そのようなシステムの1つの一般的な例を、図5を参照して本明細書でさらに説明する。しかし、本明細書で説明される方法、データ構造、システムは、任意の測定システムによって獲得される微粒子のデータを使用することができ、あるいは使用するように構成できることを理解されたい。測定システムの例には、フロー・サイトメータや蛍光イメージング・システムが含まれる。加えて、微粒子分類のために使用することができる様々なパラメータが、本明細書で説明されるが、本明細書で説明される実施形態は、異なる母集団の微粒子を区別するのに使用されることが可能な微粒子の任意の測定可能なパラメータを使用することができることを理解されたい。さらに、本明細書で説明される方法、データ構造、システムは、微粒子分類に限定されない。特に、本明細書で説明される実施形態は、微粒子上に、又はサンプルに存在する反応生成物の識別又は量などの、ただし、これらには限定されない、微粒子の他のパラメータを特定することにも同様に適用されることが可能である。   Systems configured to perform one or more of the processes described herein include Luminex (R) 100 (TM), Luminex (R) HTS, Luminex (R) 100E, Luminex. ® 200 ™, including but not limited to any additional add-ons to this family of products available from Luminex, Inc. of Austin, Texas. One general example of such a system is further described herein with reference to FIG. However, it should be understood that the methods, data structures, and systems described herein can use or can be configured to use particulate data acquired by any measurement system. Examples of measurement systems include flow cytometers and fluorescence imaging systems. In addition, although various parameters that can be used for particle classification are described herein, the embodiments described herein can be used to distinguish particles from different populations. It should be understood that any measurable parameter of the microparticle that can be used can be used. Further, the methods, data structures, and systems described herein are not limited to particulate classification. In particular, the embodiments described herein identify other parameters of the microparticle, such as, but not limited to, the identity or amount of reaction products present on the microparticle or in the sample. Can be applied as well.

図面を参照すると、図1は、従来の仕方で微粒子を分類するのに使用されることが可能な例示的な分類空間を示す。プロセスは、フロー・サイトメータ又は他の適切なデバイスを使用し、分類のためのデータを使用して、微粒子に関するデータを獲得することを含む。特に、方法は、通常、(図1の軸タイトル、パラメータ1とパラメータ2によって示されるような)異なるパラメータにそれぞれが対応する2つの軸を有するグラフ上に、2つのパラメータに関する測定データをプロットすることを含む。また、グラフは、異なる母集団の微粒子にそれぞれが対応する、異なる分類領域(例えば、図1に示される領域1〜12)も含む。微粒子の測定されたパラメータに対応するグラフにおけるデータ・ポイントのロケーションにより、それらの母集団の1つへの、微粒子の帰属が決まる。例えば、図1に示されるとおり、単一の微粒子に関して獲得された2つのパラメータの値に対応する単一のデータ・ポイントが、アステリスク(*)によって示される。データ・ポイントは、領域9(番号9というラベルが付けられた網掛けされた空間としてグラフで表される)の境界内にあるため、微粒子は、領域9に対応する母集団のメンバとして分類される。データ・ポイントが、そうではなく、領域1〜12の外でグラフの白い空間内に位置している場合、微粒子は、いずれの領域のメンバでもないものとして分類され、その結果、いずれの母集団に属するものとしても分類されない。 Referring to the drawings, FIG. 1 illustrates an exemplary classification space that can be used to classify particulates in a conventional manner. The process includes using a flow cytometer or other suitable device and using data for classification to obtain data about the particulates. In particular, the method typically plots measurement data for two parameters on a graph having two axes, each corresponding to a different parameter (as indicated by the axis title in FIG. 1, parameter 1 and parameter 2). Including that. The graph also includes different classification regions (eg, regions 1-12 shown in FIG. 1), each corresponding to a different population of particulates. The location of the data points in the graph corresponding to the measured parameters of the microparticles determines the attribution of the microparticles to one of those populations. For example, as shown in FIG. 1, a single data point corresponding to two parameter values obtained for a single microparticle is indicated by an asterisk ( * ). Because the data points are within the boundaries of region 9 (represented graphically as a shaded space labeled number 9), the particles are classified as members of the population corresponding to region 9. The If the data point is otherwise located outside the regions 1-12 and within the white space of the graph, the particulate is classified as not a member of any region, so that any population It is not classified as belonging to.

本明細書で説明される方法とシステムは、以上に説明したのとは異なる仕方で微粒子分類を実行する。特に、本明細書で説明される実施形態は、LUT(ルックアップ・テーブル)を利用して、微粒子が属する可能性がある分類母集団のサーチを絞り、その後、ルックアップ・テーブルの識別されたロケーションに関連する1つ又は複数の事前に決めたアルゴリズムにおいて、微粒子に関して獲得されたデータを処理する。   The methods and systems described herein perform particulate classification in a manner different from that described above. In particular, the embodiments described herein utilize LUTs (Look Up Tables) to narrow down the search of the classification population to which the microparticles may belong, after which the lookup table identified Data acquired on the microparticles is processed in one or more predetermined algorithms associated with the location.

そのような方法の例示的なステップの概要を示す流れ図を、図2に示す。後段でより詳細に説明するとおり、微粒子分類を決めるのに使用されるアルゴリズムは、一部の実施形態では、複雑であり(例えば、アルゴリズムは、微粒子の2つより多くの測定パラメータを関係付けることが可能である)、したがって、コンピュータを介して実施されるのが最善であろう。このため、図5に関連して説明されるような、本明細書で説明されるシステムと記憶媒体は、プロセッサによって実行可能であり、図2に示されるプロセスを実行するように構成されたプログラム命令を含むことが可能である。したがって、図2に関連して説明される方法は、「コンピュータによって実施される方法」と呼ばれ、「方法」と「コンピュータ実施方法」は、本明細書で互いに区別なく使用されることが可能である。本明細書で説明されるシステムのコンピュータによって実施される方法とプログラム命令は、一部のケースでは、微粒子分類に関連するプロセス以外のプロセスを実行するように構成されることが可能であり、したがって、本明細書で説明されるシステムのコンピュータによって実施される方法とプログラム命令は、図2の図示に必ずしも限定されないことに留意されたい。さらに、本明細書で説明されるステップは、「微粒子」の分類に関して説明されるものの、本明細書で説明される方法実施形態の任意の又は全てのステップは、セットの中の1つ又は複数の微粒子(例えば、セットの中の微粒子のいくつか、又は全て)に関して実行されることが可能であることを理解されたい。   A flow diagram outlining exemplary steps of such a method is shown in FIG. As will be described in more detail later, the algorithm used to determine the particle classification is complex in some embodiments (eg, the algorithm relates more than two measurement parameters of the particle). Therefore, it would be best to be implemented via a computer. Thus, the system and storage medium described herein, as described in connection with FIG. 5, are executable by a processor and are configured to perform the process shown in FIG. Instructions can be included. Thus, the method described in connection with FIG. 2 is referred to as a “computer-implemented method”, and “method” and “computer-implemented method” can be used interchangeably herein. It is. The computer-implemented methods and program instructions of the systems described herein may be configured to perform processes other than those associated with particulate classification in some cases, and thus It should be noted that the computer-implemented methods and program instructions of the system described herein are not necessarily limited to the illustration of FIG. Further, although the steps described herein are described with respect to the classification of “microparticles”, any or all of the steps of the method embodiments described herein may include one or more of the sets. It should be understood that can be performed on a number of particles (eg, some or all of the particles in a set).

図2に示されるとおり、本明細書で説明されるシステムの方法とプログラム命令は、第1のデータ・セットが、微粒子の測定可能なパラメータに対応する、ブロック10を含むことが可能である。そのようなデータ・セットは、フロー・サイトメータ又は他の適切なデバイスによって獲得されたデータ・セットである。データは、フロー・サイトメータを使用して個々の微粒子に関するデータを測定することにより、又はフロー・サイトメータからデータを要求して、受け取ることにより、獲得される。このようにして、方法は、測定システム自体によって(例えば、測定システムのプロセッサによって)、又は測定システムに結合されたシステム(例えば、スタンドアロンのコンピュータ・システムのプロセッサ)によって実行されることが可能である。いずれにしても、データ・セットは、一部の実施形態では、微粒子を分類するのに使用されるパラメータを含むが、それらには限定されない、いくつかの異なるパラメータの測定値を含むことが可能である。例えば、第1のデータ・セットは、微粒子の蛍光、光散乱、電気インピーダンス、又は他の任意の測定可能な特性を含むことが可能である。   As shown in FIG. 2, the system methods and program instructions described herein may include a block 10 in which a first data set corresponds to a measurable parameter of a particulate. Such a data set is a data set acquired by a flow cytometer or other suitable device. Data is obtained by measuring data on individual microparticles using a flow cytometer or by requesting and receiving data from the flow cytometer. In this way, the method can be performed by the measurement system itself (eg, by a processor of the measurement system) or by a system coupled to the measurement system (eg, a processor of a stand-alone computer system). . In any case, the data set may include measurements of several different parameters, including but not limited to parameters used to classify the microparticles in some embodiments. It is. For example, the first data set may include particulate fluorescence, light scattering, electrical impedance, or any other measurable characteristic.

一部の実施形態では、本明細書で説明されるシステムの方法とプログラム命令は、図2に示されるブロック52に進み、第1のデータ・セットの1つ又は複数の個別の値とそれぞれ互いに関係する1つ又は複数の包括値を有する第2のデータ・セットを作成することが可能である。そのようなステップにより、第1のデータ・セット内の測定値の分解能が、ルックアップ・テーブルを組み立てるのに使用される測定パラメータ値のスケールと一致するように、有利に低くなることが可能である。後段でより詳細に説明するとおり、ルックアップ・テーブルは、微粒子がカテゴリ分類される先の微粒子分類のサーチを絞るのに使用されるデータ構造である。比較的低い分解能の値によって組み立てられたルックアップ・テーブルは、テーブルが、より少ないユニット数でサイズ設定されることが可能となり、これにより、テーブルを特徴付けるのに必要とされるメモリのサイズが制限される。ルックアップ・テーブルのためのメモリのサイズを制限することは、一部のケースにおいて、特に、システムの費用を抑えるために、有利である。第1のデータ・セットの対応する値に比べて、より低い分解能の値を有する第2のデータ・セットを作成することは、一部のケースにおいて有利である可能性があるものの、本明細書で説明される方法における第2のデータ・セットの作成は、オプションであり、その結果、ブロック52は、点線で輪郭が描かれていることに留意されたい。特に、本明細書で説明される方法は、より低い分解能値を有するデータ・セットの作成を含むことを必ずしも必要としない。むしろ、方法は、後段でより詳細に説明するとおり、ブロック52を省略して、ブロック54に進み、第1のデータ・セットが対応するルックアップ・テーブルのロケーションを特定してもよい。   In some embodiments, the method and program instructions of the system described herein proceed to block 52 shown in FIG. 2 and each one or more individual values of the first data set and each other. It is possible to create a second data set having one or more related global values. Such a step can advantageously reduce the resolution of the measured values in the first data set to match the scale of the measured parameter values used to construct the lookup table. is there. As will be described in more detail later, the lookup table is a data structure used to narrow the search for the particle classification to which the particles are categorized. A look-up table constructed with relatively low resolution values allows the table to be sized with a smaller number of units, which limits the size of memory required to characterize the table Is done. Limiting the size of the memory for the lookup table is advantageous in some cases, especially in order to reduce the cost of the system. Although it may be advantageous in some cases to create a second data set having a lower resolution value compared to the corresponding value of the first data set, Note that the creation of the second data set in the method described in is optional, so that block 52 is outlined with a dotted line. In particular, the methods described herein do not necessarily require the creation of a data set having a lower resolution value. Rather, the method may skip block 52 and proceed to block 54 to identify the location of the lookup table to which the first data set corresponds, as will be described in more detail later.

一部の実施形態では、第2のデータ・セットの作成は、第1のデータ・セットの1つ又は複数の値を置き換えること、及びレプリケートされる値の1つ又は複数の値の分解能を低減させることを含むことが可能である。一部のケースでは、レプリケートされた値の全ての値の分解能が、低くなることが可能である。一方、他のケースでは、レプリケートされた値の全てに満たない値が、低くなることが可能である。このため、第2のデータ・セットは、低減された分解能の値を含むように作成されるものの、第2のデータ・セットは、分解能が低減されていない(すなわち、第1のデータ・セットの中の対応する値に比べて)値も含むことを、必ずしも制限されない。例えば、一部の実施形態では、ルックアップ・テーブルを組み立てる測定パラメータの1つだけしか、低い分解能のスケールを含まないことが可能であり、したがって、その測定パラメータに関連する、レプリケートされた値の分解能を低減することだけが、妥当である可能性がある。他のシナリオも、レプリケートされた値の一部の値の分解能を低減する正当な理由になる可能性があり、したがって、本明細書で説明される方法は、そのような例に必ずしも限定されない。   In some embodiments, creating the second data set replaces one or more values of the first data set and reduces the resolution of one or more values of the replicated value Can be included. In some cases, the resolution of all the replicated values can be low. On the other hand, in other cases, less than all of the replicated values can be lowered. Thus, while the second data set is created to contain reduced resolution values, the second data set is not reduced in resolution (ie, the first data set's Inclusion of a value (relative to the corresponding value in it) is not necessarily limited. For example, in some embodiments, only one of the measurement parameters that make up the look-up table can include a low resolution scale, and thus the replicated value associated with that measurement parameter. Only reducing the resolution may be reasonable. Other scenarios may also be a good reason to reduce the resolution of some of the replicated values, and thus the methods described herein are not necessarily limited to such examples.

一部の実施形態では、第2のデータ・セットは、第1のデータ・セットに関して獲得された値の全てに関連する値を含むことが可能である。他の実施形態では、第2のデータ・セットは、第1のデータ・セットに関して獲得された値より少ない値を含むことが可能である。例えば、本明細書で説明される方法とプログラム命令は、一部の実施形態では、ルックアップ・テーブルを組み立てる測定パラメータに関連する値だけを有する第2のデータ・セットを作成するように構成される。他のシナリオも、第2のデータ・セットが、第1のデータ・セットに関して獲得された値の一部を含む、正当な理由となる可能性があり、したがって、本明細書で説明される方法は、前述した例に必ずしも限定されない。   In some embodiments, the second data set can include values associated with all of the values obtained for the first data set. In other embodiments, the second data set can include fewer values than those obtained for the first data set. For example, the methods and program instructions described herein are configured in some embodiments to create a second data set having only values related to measurement parameters that assemble a lookup table. The Other scenarios may also be a valid reason that the second data set includes some of the values obtained for the first data set, and thus the method described herein Is not necessarily limited to the example described above.

いずれにしても、第2のデータ・セット内のより低い分解能(すなわち、第1のデータ・セットの中の対応する値に比べて)の値を、本明細書では、「包括値」と呼ぶことができる。換言すると、「包括値」という用語は、対応する測定パラメータに関する可能な値の範囲又はスパンを表す値を一般的に指すことが可能である。これに対して、第1のデータ・セットの中の値などの、分解能が低減されていない値を、本明細書では、「個別の値」及び/又は「測定値」と呼ぶことができる。一部のケースでは、第2のデータ・セットを作成することは、第1のデータ・セットの1つ又は複数のレプリケートされた値を、最も近い整数値に丸めることを含むことが可能である。例えば、1.07及び1.09という測定値がともに、1.1という包括値によって表されることが可能である。このようにして、丸められた値のそれぞれが、丸められた整数未満、丸められた整数より大きい、又は丸められた整数から次の整数までの中途にある、或る範囲の可能な測定値を全体的に表すことが可能である。例えば、前述した実施形態では、1.1という包括値が、1.01から1.10までの測定値を表すことが可能である。他の実施形態では、1.1という包括値が、1.10から1.19までの測定値、又は1.05から1.14までの測定値を表すことが可能である。一般に、包括値が表すことが可能な測定値の範囲は、その方法に関してセットアップされた設計仕様に依存することが可能であり、一部の実施形態では、そのようなプロセス・ステップを実行するように構成されたプログラム命令の設計仕様に依存する。   In any case, the value of the lower resolution in the second data set (ie, compared to the corresponding value in the first data set) is referred to herein as the “inclusive value”. be able to. In other words, the term “comprehensive value” can generally refer to a value that represents a range or span of possible values for the corresponding measurement parameter. In contrast, values whose resolution is not reduced, such as values in the first data set, can be referred to herein as “individual values” and / or “measurements”. In some cases, creating the second data set may include rounding one or more replicated values of the first data set to the nearest integer value. . For example, both the measured values of 1.07 and 1.09 can be represented by a comprehensive value of 1.1. In this way, a range of possible measurements, each rounded value being less than the rounded integer, greater than the rounded integer, or midway from the rounded integer to the next integer, It can be expressed as a whole. For example, in the above-described embodiment, a comprehensive value of 1.1 can represent a measured value from 1.01 to 1.10. In other embodiments, an inclusive value of 1.1 can represent a measured value from 1.10 to 1.19, or a measured value from 1.05 to 1.14. In general, the range of measurements that an inclusive value can represent can depend on the design specifications set up for the method, and in some embodiments, to perform such process steps. Depends on the design specifications of the program instructions configured in

他のケースでは、第2のデータ・セットは、或る測定パラメータに関する整数の範囲を表す包括値を含むことが可能である。例えば、表1に示されるとおり、第1のデータ・セットの中のパラメータ1に関連する離散値が、第2のデータ・セットの中の4つの包括値のいずれの値によって参照されてもよい。表1は、単に、個別の値と包括値の例示的な相互関係に過ぎないことに留意されたい。個別の値の範囲と、測定値に関する選択された包括値の数とは、方法とプログラム命令の様々なセットアップの間で異なる可能性がある。   In other cases, the second data set may include an inclusive value representing an integer range for a measurement parameter. For example, as shown in Table 1, the discrete value associated with parameter 1 in the first data set may be referenced by any of the four global values in the second data set. . It should be noted that Table 1 is merely an example correlation between individual values and global values. The range of individual values and the number of selected generic values for the measured values can vary between the various setups of the method and program instructions.

Figure 2009503547
Figure 2009503547

さらに、表1に示される離散値の範囲は、包括値の間で等しく分離されているが(すなわち、各包括値に関して25の離散値)、各包括値は、任意の数の離散値に対応することが可能であることを理解されたい。つまり、或る測定パラメータに関する包括値にそれぞれ関連する個別の値の範囲は、必ずしも一様でなくてもよい。一部のケースでは、各離散値の分解能が低くなる度合いは、例えば、微粒子分類の特性、微粒子母集団の特性、及び/又は母集団の中の個々の微粒子の特性に応じて異なる。   Furthermore, the discrete value ranges shown in Table 1 are equally separated between the inclusive values (ie, 25 discrete values for each inclusive value), but each inclusive value corresponds to any number of discrete values. Please understand that it is possible. In other words, the range of the individual values respectively associated with the comprehensive value relating to a certain measurement parameter is not necessarily uniform. In some cases, the degree to which the resolution of each discrete value is reduced depends on, for example, the characteristics of the particle classification, the characteristics of the particle population, and / or the characteristics of individual particles in the population.

いずれにしても、様々な測定パラメータに対応する値の分解能は、一部の実施形態では、第2のデータ・セットに関して同様の仕方で低くなる。特に、様々な測定パラメータに対応する個別の値は、最も近い整数に丸められて、又は整数範囲に関する値を割り当てられて、第2のデータ・セットが作成される。他の実施形態では、様々な測定パラメータに対応する個別の値は、第2のデータ・セットに関して様々な仕方で低くなることが可能である。いずれにしても、様々な測定パラメータに関する包括値の数は、同一であっても、異なっていてもよい。   In any case, the resolution of the values corresponding to the various measurement parameters is reduced in a similar manner for the second data set in some embodiments. In particular, individual values corresponding to various measurement parameters are rounded to the nearest integer or assigned a value for the integer range to create a second data set. In other embodiments, individual values corresponding to various measurement parameters can be lowered in various ways with respect to the second data set. In any case, the number of comprehensive values for various measurement parameters may be the same or different.

図2に戻ると、本明細書で説明される方法とプログラム命令は、ブロック54に進み、第2のデータ・セット及び/又は第1のデータ・セットが対応するルックアップ・テーブルのロケーションを識別するように構成される。より具体的には、ブロック52が、プロセスに含められる場合、第2のデータ・セットが対応するルックアップ・テーブルのロケーションが、ブロック54に関連して識別される。第2のデータ・セットは、第1のデータ・セットの中の測定された値に対応する値を含むので、そのような実施形態においてブロック54に関して識別されるルックアップ・テーブルのロケーションは、第1のデータ・セットに対応するとともに、第2のデータ・セットにも対応することに留意されたい。しかし、ブロック52が、プロセスから省略された実施形態では、ブロック54に関して識別されるルックアップ・テーブルのロケーションは、第2のデータ・セットが作成されていないので、第1のデータ・セットだけに対応する。   Returning to FIG. 2, the method and program instructions described herein proceed to block 54 to identify the second data set and / or the look-up table location to which the first data set corresponds. Configured to do. More specifically, if block 52 is included in the process, the location of the lookup table to which the second data set corresponds is identified in connection with block 54. Since the second data set includes values corresponding to the measured values in the first data set, the location of the lookup table identified for block 54 in such an embodiment is Note that it corresponds to one data set and to a second data set. However, in the embodiment where block 52 is omitted from the process, the location of the lookup table identified with respect to block 54 is only for the first data set because the second data set has not been created. Correspond.

ブロック52が、プロセスから省略された実施形態では、ブロック54は、一般に、或るポイントを、第1のデータ・セットが対応するルックアップ・テーブル内の「識別されたロケーション」として、事実上、ロケーションを特定して、ルックアップ・テーブルを組み立てるパラメータに関連する第1のデータ・セットからの測定された値を指し示すことを含む。一部のケースでは、ブロック52を含む方法が、或るポイントを、ルックアップ・テーブル内の「識別されたロケーション」としてロケーションを特定するように構成されてもよい。特に、ルックアップ・テーブルを組み立てる測定パラメータのそれぞれに関するスケール分解能が、第2のデータ・セットの中の対応する値の分解能と同一である場合、ブロック54は、第2のデータ・セットからのそのような値を指し示して、或るロケーションを識別する、又は、より具体的には、第2のデータ・セットが対応するルックアップ・テーブル内の或るポイントを識別することを含む。例えば、第2のデータ・セット内の包括値が、第1のデータ・セットの個別の値から丸められた整数を表し、ルックアップ・テーブルを組み立てる、対応する測定パラメータのスケール分解能が、少なくとも、個々の整数を区別するのに十分なだけ高い場合、そのような値を指し示すことは、ルックアップ・テーブルの中の或るポイントに至ることになる。ルックアップ・テーブル内で、そのようにロケーションを正確に特定することは、対応する測定パラメータのスケール分解能が、第2のデータ・セットからの個別の値と同一である限り、それらの個別の値を指し示すことも含むことが可能であることに留意されたい。   In the embodiment where block 52 is omitted from the process, block 54 generally effectively defines a point as the “identified location” in the lookup table to which the first data set corresponds. Identifying the location and pointing to the measured value from the first data set associated with the parameters that build the lookup table. In some cases, the method comprising block 52 may be configured to identify a point as a “identified location” in the lookup table. In particular, if the scale resolution for each of the measurement parameters that make up the lookup table is the same as the resolution of the corresponding value in the second data set, block 54 Pointing to such a value includes identifying a location, or more specifically, identifying a point in the lookup table to which the second data set corresponds. For example, the inclusive values in the second data set represent integers rounded from the individual values of the first data set, and the scale resolution of the corresponding measurement parameter that constructs the lookup table is at least: If it is high enough to distinguish individual integers, pointing to such a value will lead to a point in the lookup table. Accurately identifying such a location in the lookup table means that their individual values are as long as the scale resolution of the corresponding measurement parameter is identical to the individual values from the second data set. It should be noted that pointing may also be included.

第2のデータ・セットの値に対応するロケーションとしてポイントが識別されることが可能なルックアップ・テーブルの例示的な実施形態を、図3に示す。特に、図3は、スケールが、0から100までにおよび、整数値に限定された、2つの測定パラメータによって組み立てられた例示的なルックアップ・テーブルを示す。ルックアップ・テーブルに関する様々な構成が、本明細書で説明される方法のために使用されることが可能であることに留意されたい。特に、前述したとおり、ルックアップ・テーブルを組み立てる測定パラメータのスケールは、所望される分解能に応じて、離散値、整数、又は整数の範囲を表す値である。さらに、ルックアップ・テーブルを組み立てる様々な測定パラメータに関するスケールは、同一であっても、異なっていてもよい。さらに、本明細書で説明されるルックアップ・テーブルは、任意の数の測定パラメータによって組み立てられてもよい。後段でより詳細に説明するとおり、本明細書で説明される方法は、2つより多くの測定パラメータによって組み立てられるルックアップ・テーブルに特に適用可能である。このため、本明細書で説明される方法に関するルックアップ・テーブルは、図3における例の図示に必ずしも限定されない。   An exemplary embodiment of a lookup table in which points can be identified as locations corresponding to values of the second data set is shown in FIG. In particular, FIG. 3 shows an exemplary look-up table constructed with two measurement parameters with scales ranging from 0 to 100 and limited to integer values. It should be noted that various configurations for the lookup table can be used for the methods described herein. In particular, as described above, the scale of the measurement parameter that builds the lookup table is a discrete value, an integer, or a value representing an integer range, depending on the desired resolution. Furthermore, the scales for the various measurement parameters that make up the lookup table may be the same or different. Further, the lookup tables described herein may be assembled with any number of measurement parameters. As described in more detail later, the method described herein is particularly applicable to lookup tables that are constructed with more than two measurement parameters. Thus, the lookup table for the method described herein is not necessarily limited to the illustration of the example in FIG.

一般に、図3に示されるルックアップ・テーブルの或るロケーションを識別することは、パラメータ1及び2に関連する整数包括値を指し示すことを含む。ブロック56に関連して後段でより詳細に説明するとおり、識別されたロケーションが、ノード1〜5のいずれかと一致する場合、そのノードに関連するアルゴリズムが、第1のデータ・セットの測定された値を使用して処理されて、その粒子を、そのノードに対応する微粒子分類内に分類できるかどうかが判定される。これに対して、識別されたロケーションが、ノード1〜5のいずれとも一致しない場合、その粒子は、棄却分類内にカテゴリ分類される。本明細書で説明される方法に関する分類のそのような判定は、後段でより詳細に説明するとおり、複数のノードを含むルックアップ・テーブルの粗いロケーションが、或るデータ・セットと合致するものと識別される場合、変化する。   In general, identifying a location in the lookup table shown in FIG. 3 includes pointing to an integer comprehensive value associated with parameters 1 and 2. As described in more detail below in connection with block 56, if the identified location matches any of nodes 1-5, the algorithm associated with that node is measured for the first data set. Processed using the value, it is determined whether the particle can be classified within the particulate classification corresponding to the node. In contrast, if the identified location does not match any of nodes 1-5, the particle is categorized within the rejection classification. Such a determination of classification for the methods described herein is that the coarse location of a lookup table containing multiple nodes matches a data set, as will be described in more detail later. If identified, change.

いずれにしても、本明細書で説明される、ルックアップ・テーブルを使用して、試験されるべき微粒子分類のサーチを絞ることにより、サンプルの各微粒子分類を繰り返し処理して、或る粒子の分類を特定すること(これについても、後段でより詳細に説明する)に比べて、時間が節約される。分類目的で、図3のノード1〜5は、ルックアップ・テーブルを組み立てるパラメータに関する様々な微粒子分類を表し、このため、第1のデータ・セット及び/又は第2のデータ・セットに対応するルックアップ・テーブルの識別されたロケーションでは、必ずしもないことに留意されたい。さらに、後段でより詳細に説明するとおり、ノード1〜5は、図3に示されるノードより大きくても、小さくてもよい。   In any case, using the lookup table described herein, iteratively processes each particle classification of the sample by narrowing down the search for the particle classification to be tested, and Compared to identifying the classification (again described in more detail later), time is saved. For classification purposes, nodes 1-5 of FIG. 3 represent various particulate classifications with respect to the parameters that make up the lookup table, and thus the look corresponding to the first data set and / or the second data set. Note that not necessarily at the identified location of the up table. Furthermore, as will be described in more detail later, the nodes 1 to 5 may be larger or smaller than the nodes shown in FIG.

前述したとおり、ルックアップ・テーブルの粗いロケーションが、ブロック54に関するデータ・セットに対応するものとして識別される。特に、ブロック54は、ルックアップ・テーブルを組み立てる測定パラメータの比較的低い分解能スケールと関係して、整数の範囲を表す包括値を指し示して、ルックアップ・テーブルのブロック・ロケーションを識別することを含む。より具体的には、ルックアップ・テーブルのスケールは、スケール上の値が、ルックアップ・テーブルの行及び列と互いに関係付けられるように、比較的低い分解能を含む。そのようなケースでは、測定パラメータの所与の幅に対するルックアップ・テーブルのサイズは、整数値スケールを有するルックアップ・テーブル(図3に示されるような)より小さい、特に、分解能が低下していないスケールを有するルックアップ・テーブルに比べて小さいことが可能である。その結果、ルックアップ・テーブルのメモリ・サイズが、低くなることが可能である。   As described above, the coarse location of the lookup table is identified as corresponding to the data set for block 54. In particular, block 54 includes identifying an inclusive value representing an integer range and identifying a block location of the lookup table in relation to a relatively low resolution scale of the measurement parameters that assemble the lookup table. . More specifically, the scale of the lookup table includes a relatively low resolution so that values on the scale are correlated with the rows and columns of the lookup table. In such a case, the size of the lookup table for a given width of the measurement parameter is smaller than the lookup table with an integer value scale (as shown in FIG. 3), in particular the resolution is reduced. It can be small compared to a lookup table with no scale. As a result, the memory size of the lookup table can be reduced.

第2のデータ・セットの値に対応するロケーションとして粗いロケーションが識別される例示的なルックアップ・テーブルを、表2に示す。特に、表2は、2つの測定パラメータによって組み立てられた例示的なルックアップ・テーブルを示し、ルックアップ・テーブルのスケールは、それぞれが、それぞれの測定パラメータに関する異なる範囲の整数とそれぞれが互いに関係して、1から4までである。表2のルックアップ・テーブルは、例えば、一部の実施形態における2つのパラメータの元の値の最大分解能のルックアップ・テーブルに含まれることが可能な10000の要素(測定パラメータのそれぞれに関して100×100のユニット)と比較して、16のロケーションだけしか有さない。   An exemplary look-up table in which a coarse location is identified as a location corresponding to a value of the second data set is shown in Table 2. In particular, Table 2 shows an exemplary look-up table assembled with two measurement parameters, where the scale of the look-up table is related to each other with a different range of integers for each measurement parameter. 1 to 4. The look-up table in Table 2 is, for example, 10,000 elements (100 × for each of the measurement parameters) that can be included in the full-resolution look-up table of the original values of the two parameters in some embodiments. There are only 16 locations compared to (100 units).

Figure 2009503547
Figure 2009503547

図3に示されるルックアップ・テーブルの場合と同様に、表2のルックアップ・テーブルは、粒子が分類されることが可能な微粒子分類のサーチを絞るのに使用される。特に、一部の実施形態において、粗いロケーションのいくつかが、微粒子分類に関連するノードを含み、したがって、ノードを有するロケーションの識別により、その粒子が、その微粒子分類に分類されることが可能であるかどうかについての調査が、さらに円滑になる。特に、識別されたロケーションが、ノードを含む場合、そのノードに関連するアルゴリズムが、第1のデータ・セットの測定された値を使用して処理されて、その粒子を、そのノードに対応する微粒子分類内に分類できるかどうかが判定される。これに対して、識別された粗いロケーションが、ノードを含まない場合、その粒子は、棄却分類内に分類される。例えば、表2のルックアップ・テーブルを使用して、或る特定のデータ・ポイントが、パラメータ1=2、及びパラメータ2=1(すなわち、2,1)に関する包括値を有する場合、方法は、そのデータ・ポイントが、いずれのノードのメンバでもないと判定する。というのは、これらのパラメータのこれらの包括値に対応するルックアップ・テーブルの粗いロケーションは、いずれのノードにも関連していないからである。代わりに、データ・ポイントが、(2,2)という包括値を有する場合、方法は、そのデータ・ポイントを処理して、そのデータ・ポイントが、ノード1のメンバである可能性があるが、ノード2〜5のメンバではないと判定することができる。したがって、表2のルックアップ・テーブルを使用して、試験されるべき微粒子分類のサーチを絞ることで、ノード1〜5のそれぞれを繰り返し処理して、或る粒子の分類を特定することに比べて、時間が節約される。   As with the look-up table shown in FIG. 3, the look-up table in Table 2 is used to narrow the search for particle classification where particles can be classified. In particular, in some embodiments, some of the coarse locations include nodes associated with the particle classification, so identification of a location having a node allows the particle to be classified into the particle classification. The survey on whether or not there is smoother. In particular, if the identified location includes a node, an algorithm associated with that node is processed using the measured values of the first data set to convert the particle into a particulate corresponding to the node. It is determined whether it can be classified within the classification. In contrast, if the identified coarse location does not contain a node, the particle is classified within the rejection classification. For example, using the lookup table of Table 2, if a particular data point has an inclusive value for parameter 1 = 2 and parameter 2 = 1 (ie, 2, 1), the method is Determine that the data point is not a member of any node. This is because the coarse location of the lookup table corresponding to these global values of these parameters is not associated with any node. Instead, if a data point has an inclusive value of (2,2), the method processes that data point, which may be a member of node 1, It can be determined that it is not a member of nodes 2-5. Therefore, using the lookup table in Table 2 to narrow the search for the particle classification to be tested, iteratively processes each of nodes 1-5 to identify a certain particle classification. Saving time.

表2におけるノード1〜5を含む粗いロケーションは、ノードを含まない粗いロケーションに対して、それらのロケーションの存在を区別するように太線で輪郭が描かれている。前述したとおり、ルックアップ・テーブルに関する様々な構成が、本明細書で説明される方法のために使用されることが可能であり、このため、粗いロケーションの識別のために構成されるルックアップ・テーブルは、表2に限定されない。特に、ルックアップ・テーブルを組み立てる様々な測定パラメータに関するスケールは、同一であっても、異なっていてもよい。さらに、本明細書で説明されるルックアップ・テーブルは、測定パラメータのそれぞれに関して、任意の数のスケール値を含むことが可能であり(すなわち、スケール値の数は、表2に示される4つの値に限定されない)、任意の数の測定パラメータによって組み立てられることが可能である。さらに、ノードの数及び分布は、本明細書で説明されるルックアップ・テーブル内で変わることも可能である。例えば、一部の実施形態では、ルックアップ・テーブルの全ての粗いロケーションが、ノードを含んでもよい。   Coarse locations including nodes 1-5 in Table 2 are outlined with bold lines to distinguish the presence of those locations from coarse locations that do not include nodes. As previously mentioned, various configurations for lookup tables can be used for the methods described herein, and thus lookup lookups configured for coarse location identification. The table is not limited to Table 2. In particular, the scales for the various measurement parameters that make up the lookup table may be the same or different. Further, the look-up table described herein may include any number of scale values for each of the measurement parameters (ie, the number of scale values is the four values shown in Table 2). (But not limited to values), it can be assembled with any number of measurement parameters. Further, the number and distribution of nodes can vary within the look-up table described herein. For example, in some embodiments, all coarse locations in the lookup table may include nodes.

一般に、粗いロケーション当たりのノードの数を使用して、ルックアップ・テーブルの「分解能」が決定されることが可能である。例えば、表2に関連して説明されるような、せいぜい1つのノードが、それぞれの粗いロケーションに含まれているルックアップ・テーブルが、最高の役立つ分解能を有する。しかし、そのような分解能を有するルックアップ・テーブルは、一部の実施形態では、比較的大きい可能性がある。例えば、異なる1000の母集団を含む微粒子セットの場合、粗いロケーション当たりせいぜい1つのノードを有するルックアップ・テーブルは、最小で1000の粗いロケーションを必要とする。それほど多くのノードを表すのに必要とされるメモリ要領を最小に抑えるため、ルックアップ・テーブルの分解能を低くして、複数のノードが、1つ又は複数の粗いロケーション内に配置されるようにすることが、有利である。   In general, the number of nodes per coarse location can be used to determine the “resolution” of the lookup table. For example, a look-up table in which at most one node is included in each coarse location, as described in connection with Table 2, has the highest useful resolution. However, a look-up table with such resolution may be relatively large in some embodiments. For example, for a set of particles containing 1000 different populations, a lookup table with at most one node per coarse location requires a minimum of 1000 coarse locations. In order to minimize the memory requirements needed to represent so many nodes, the look-up table resolution is lowered so that multiple nodes are placed in one or more coarse locations It is advantageous to do so.

このため、第2のデータ・セットの値に対応するロケーションとして粗いロケーションが識別されることが可能な別の例示的なルックアップ・テーブルを、表3に示す。特に、表3は、2つの測定パラメータによって組み立てられた例示的なルックアップ・テーブルを示し、ルックアップ・テーブルのスケールは、それぞれが、表2におけるとおり、それぞれの測定パラメータに関する異なる範囲の整数とそれぞれが互いに関係して、1から4までである。しかし、表3は、複数のノード(すなわち、ノード・セット)を有する、いくつかの粗いロケーションを有することにより、表2とは異なる。特に、表3は、複数のノードをそれぞれが有する4つの粗いロケーションを示す。単一の粗いロケーション内の複数のノードを、本明細書では、「ノード・セット」と呼ぶ。より具体的には、表3は、ノード・セット1〜4を有する4つの粗いロケーションを含む。また、表3は、ノード5と呼ばれる単一のノードを有する1つの粗いロケーション、及び全くノードを有さない11の粗いロケーションも含む。そのような構成は、所与のサイズのルックアップ・テーブルが、より多くのノードを含むことを可能にし、より多くの微粒子分類が、サンプル内の粒子を分類することを可能にする。加えて、又は代替として、前述したとおり、粗いロケーション内に複数のノードを有するルックアップ・テーブルが、粗いロケーション当たり1つのノードだけしか含まないルックアップ・テーブルに比べて、より低い分解能のスケールを有するように構成されてもよい。その結果、そのようなルックアップ・テーブルのメモリ・サイズが、低くなることが可能である。   Thus, another exemplary look-up table in which a coarse location can be identified as a location corresponding to the value of the second data set is shown in Table 3. In particular, Table 3 shows an exemplary look-up table assembled with two measurement parameters, where the scale of the look-up table is as follows in Table 2, each with a different range of integers for each measurement parameter: Each is 1 to 4 in relation to each other. However, Table 3 differs from Table 2 by having several coarse locations with multiple nodes (ie, node sets). In particular, Table 3 shows four coarse locations, each having multiple nodes. Multiple nodes within a single coarse location are referred to herein as a “node set”. More specifically, Table 3 includes four coarse locations with node sets 1-4. Table 3 also includes one coarse location with a single node called node 5 and 11 coarse locations with no nodes at all. Such a configuration allows a given size lookup table to contain more nodes, and more particulate classification to classify the particles in the sample. In addition, or as an alternative, as previously mentioned, a lookup table with multiple nodes in a coarse location has a lower resolution scale than a lookup table containing only one node per coarse location. It may be configured to have. As a result, the memory size of such a lookup table can be reduced.

Figure 2009503547
Figure 2009503547

表3に示されるとおり、ルックアップ・テーブルの粗いロケーションのいくつかは、全くノードを含まない、又は単一のノードを含むことが可能である。表3におけるノード1〜5を含む粗いロケーションは、ノードを含まない粗いロケーションに対して、それらのロケーションの存在を区別するように太線で輪郭が描かれている。前述したとおり、ルックアップ・テーブルに関する様々な構成を、本明細書で説明される方法に対して使用することが可能であり、このため、粗いロケーション内に複数のノードを有するルックアップ・テーブルは、表3に限定されない。特に、ルックアップ・テーブルを組み立てる様々な測定パラメータに関するスケールは、同一であっても、異なっていてもよい。さらに、本明細書で説明されるルックアップ・テーブルは、測定パラメータのそれぞれに関して、任意の数のスケール値を含むことが可能であり(すなわち、スケール値の数は、表3に示される4つの値に限定されない)、任意の数の測定パラメータによって組み立てられることが可能である。さらに、ノードの数、サイズ、形状、分布は、本明細書で説明されるルックアップ・テーブル内で変わることも可能である。例えば、一部の実施形態では、ルックアップ・テーブルの全ての粗いロケーションが、少なくとも1つのノードを含んでもよい。加えて、又は代替として、ノードは、ルックアップ・テーブルの単一の粗いロケーション内のノード、及び異なる粗いロケーションのノードを含め、重なり合ってもよい。1つのノードへの、或るデータ・ポイントの帰属が、別のノードへの帰属と相容れない場合、各ノードの規則を、重なり合わないように決めることが可能であることに留意されたい。   As shown in Table 3, some of the coarse locations of the lookup table may contain no nodes or contain a single node. The coarse locations including the nodes 1 to 5 in Table 3 are outlined with bold lines so as to distinguish the presence of those locations from the coarse locations that do not include the nodes. As mentioned above, various configurations for lookup tables can be used for the methods described herein, so a lookup table with multiple nodes in a coarse location is , Not limited to Table 3. In particular, the scales for the various measurement parameters that make up the lookup table may be the same or different. Furthermore, the look-up table described herein can include any number of scale values for each of the measurement parameters (ie, the number of scale values is the four values shown in Table 3). (But not limited to values), it can be assembled with any number of measurement parameters. In addition, the number, size, shape, and distribution of nodes can vary within the look-up table described herein. For example, in some embodiments, every coarse location in the lookup table may include at least one node. In addition or alternatively, the nodes may overlap, including nodes within a single coarse location of the lookup table and nodes at different coarse locations. Note that if the attribution of one data point to one node is incompatible with the attribution to another node, the rules for each node can be determined so that they do not overlap.

図4は、テーブルの粗いロケーション内に配置された複数のノードを含むルックアップ・テーブルのさらに別の実施形態を示す。表3の場合と同様に、図4は、全くノードを有さないいくつかのロケーション、1つのノードを有するいくつかのロケーション、複数のノードを有するその他のロケーションを有するルックアップ・テーブルを示す。図4は、ノードの数、サイズ、形状、分布が、ルックアップ・テーブル間で異なる可能性があるとともに、単一のルックアップ・テーブル内でも異なる可能性があることを示すことにより、表3とは異なる。さらに、図4は、ノード6と10に関して示されるとおり、ノードが、粗いロケーションの境界に重なり合う可能性があり、したがって、複数のロケーションに関連する可能性があることを示す。さらに、図4は、ノードが、一部の実施形態では、ノード3と7によって示されるとおり、重なり合う可能性があることを示す。   FIG. 4 illustrates yet another embodiment of a lookup table that includes a plurality of nodes arranged in a coarse location of the table. As in Table 3, FIG. 4 shows a lookup table with several locations with no nodes, some locations with one node, and other locations with multiple nodes. FIG. 4 illustrates that the number, size, shape, and distribution of nodes can vary from table to table as well as within a single lookup table. Is different. In addition, FIG. 4 shows that as shown with respect to nodes 6 and 10, a node may overlap the coarse location boundaries and thus may be associated with multiple locations. Further, FIG. 4 shows that nodes may overlap, as indicated by nodes 3 and 7, in some embodiments.

図2に戻ると、ルックアップ・テーブル内のロケーションの識別の後、方法は、ブロック56に進み、ブロック10で獲得された第1のデータ・セットが、識別されたロケーションに関連する第n番の分類を示す事前に決めたアルゴリズムに合うかどうかを判定することが可能であり、nは、このステップの最初の処理を表す1と等しくなるように設定される。前述したとおり、ルックアップ・テーブルの識別されたロケーションが、或る粒子を分類する微粒子分類を含むかどうかについての判定は、或るノードの存在によって表されることが可能である。特に、ノードは、一般に、ルックアップ・テーブルを組み立てる測定パラメータの値が合う微粒子分類を表す。しかし、ルックアップ・テーブルの識別されたロケーション内のノードの存在は、その粒子が、関連する微粒子分類に属することを必ずしも示すわけではないことに留意されたい。特に、微粒子分類が、ルックアップ・テーブルを組み立てる、又は、より具体的には、検出されたノードを決める測定パラメータ以外の測定パラメータによって特徴付けられる場合、粒子は、微粒子分類を決めるアルゴリズムに合う可能性も、合わない可能性もあり、したがって、そのような分類に適合する可能性も、適合しない可能性もある。換言すると、微粒子分類は、依存関係が、ルックアップ・テーブルの粗いパラメータによって全て表されるわけではない可能性がある、複数の測定パラメータによって決められることがある。例えば、微粒子分類は、異なる5つのパラメータによって決められることがあるが、ルックアップ・テーブルは、4つの(又はそれより少ない)パラメータを有して構成される。このため、ルックアップ・テーブルの中で表されていない測定パラメータの値が、その粒子が、或る分類内に分類されることが可能であるかどうかに影響を及ぼす可能性がある。   Returning to FIG. 2, after identification of the location in the lookup table, the method proceeds to block 56 where the first data set acquired in block 10 is the nth associated with the identified location. It is possible to determine whether or not a predetermined algorithm indicating the classification of 合 う is met, and n is set equal to 1 representing the initial processing of this step. As described above, a determination as to whether an identified location in the lookup table includes a particulate classification that classifies a particle can be represented by the presence of a node. In particular, a node generally represents a particle classification that matches the values of the measurement parameters that make up the lookup table. However, it should be noted that the presence of a node in the identified location of the lookup table does not necessarily indicate that the particle belongs to the associated particle classification. In particular, if the particle classification is characterized by a measurement parameter other than the measurement parameter that builds the look-up table or more specifically determines the detected node, the particle can fit the algorithm that determines the particle classification May or may not fit, so it may or may not fit such a classification. In other words, the particle classification may be determined by multiple measurement parameters, where the dependencies may not be all represented by the coarse parameters of the lookup table. For example, the particle classification may be determined by five different parameters, but the lookup table is configured with four (or fewer) parameters. Thus, measurement parameter values that are not represented in the lookup table can affect whether the particle can be classified within a certain classification.

データ・セットの任意の数のパラメータ、及び事実上、いずれの数学関数又は論理関数も、本明細書で説明されるルックアップ・テーブルに記載されるノードを特徴付けるのに使用されることが可能であるが、ルックアップ・テーブルは、一部の実施形態では、微粒子分類を決めるのに使用されるパラメータより少ない数のパラメータでノードを特徴付けるように構成される。そのような構成は、ルックアップ・テーブルが、データ・セットが、或る特定の分類に属することが可能であるかどうかについての、比較的良好な近似を提供することを可能にし、したがって、微粒子分類のサーチを絞る迅速な仕方を提供する一方、ノードを決める多くのパラメータを有することの複雑さを回避することができる。ブロック56に関して説明したとおり、本明細書で説明される方法とプログラム命令は、ノードの検出の後、微粒子分類に固有のアルゴリズムの使用を介して、或る粒子の実際のカテゴリ分類を特定する最終的な評価を提供するように構成されてもよい。   Any number of parameters in the data set, and virtually any mathematical or logical function, can be used to characterize the nodes described in the lookup tables described herein. Although, in some embodiments, the look-up table is configured to characterize the node with fewer parameters than the parameters used to determine the particle classification. Such a configuration allows the look-up table to provide a relatively good approximation as to whether a data set can belong to a certain classification, and thus fine particles While providing a quick way to narrow down the search for classification, the complexity of having many parameters to determine the nodes can be avoided. As described with respect to block 56, the methods and program instructions described herein are final to determine the actual categorization of a particle through the use of algorithms specific to particle classification after node detection. May be configured to provide a general assessment.

一部のケースでは、ノードは、それらのノードが表すように特徴付けられている微粒子分類の測定パラメータ以外の属性によって特徴付けられる。ノードが、それらのノードが表すように特徴付けられている微粒子分類の測定パラメータだけによって決められる実施形態は、本明細書では、全く属性を有さないものとして参照されることが可能である。しかし、一部のケースでは、ノードは、それらのノードが表すように特徴付けられている微粒子分類の測定パラメータ、及びさらなる属性によって決められることがある。一部のケースでは、或るノードを決めるのに使用される属性には、広い範囲が含まれることが可能であり、したがって、或るノードが、ルックアップ・テーブル内で範囲に含むデータ・ポイントは、対応する微粒子分類の特徴付けよりも広い。属性の例には、他のノードと比べた、大きさ、向きパラメータ、又はロケーションが含まれることが可能である。   In some cases, the nodes are characterized by attributes other than the measurement parameters of the particulate classification that they are characterized to represent. Embodiments in which nodes are determined solely by the measurement parameters of the particulate classification that they are characterized to represent can be referred to herein as having no attributes. However, in some cases, the nodes may be determined by the measurement parameters of the particulate classification and the additional attributes that are characterized as they represent. In some cases, attributes used to determine a node can include a wide range, and thus a data point that a node includes in the range in the lookup table. Is broader than the characterization of the corresponding particulate classification. Examples of attributes can include size, orientation parameters, or location compared to other nodes.

一部の実施形態では、ノードは、単一の属性によって特徴付けられることが可能である。例えば、円の中心が、コース・ロケーションの中心であるものと想定される場合、半径を、ノードを決めるのに使用することができる。そのようなケースでは、ノードの半径内にあるデータ・ポイントを有する、全ての微粒子が、そのノードによって特徴付けられる。全てのノードの半径は、実質的に同一であることが可能であり、あるいは、代替として、ノードの少なくともいくつかが、異なる半径を有してもよい。他の実施形態では、2つ以上の属性が、各ノードに関連してもよい。例えば、2つ以上の大きさをノードを特徴付けるのに使用して、ノードの形状を決めることが可能である。例えば、属性は、例えば、円、楕円、正方形、又は長方形などの2次元の形状を決めることが可能である(楕円は、長軸及び短軸の大きさ、ならびに焦点ロケーションによって決められる)。加えて、属性は、例えば、球、直角プリズム、又は立方体などの、3次元の形状を決めることができる。他の複雑な形状は、2つ以上の属性も使用して決められて、ノードのデータ・ポイントの境界が決められることがある。また、他の属性は、(例えば、楕円の軸を、ルックアップ・テーブルの測定パラメータの軸と揃えさせるのではなく)ルックアップ・テーブル内のノードの向きを決めるのに使用されてもよい。別の例では、データ・セットの各パラメータに関して1つずつの、ノード当たり2つの属性を使用して、ノードの最小限度と最大限度が設定されてもよい。   In some embodiments, a node can be characterized by a single attribute. For example, if the center of the circle is assumed to be the center of the course location, the radius can be used to determine the node. In such a case, all particles with data points that are within the radius of the node are characterized by that node. The radii of all nodes can be substantially the same, or alternatively, at least some of the nodes may have different radii. In other embodiments, more than one attribute may be associated with each node. For example, more than one size can be used to characterize a node to determine the shape of the node. For example, the attributes can determine a two-dimensional shape such as, for example, a circle, an ellipse, a square, or a rectangle (the ellipse is determined by the major and minor axis dimensions, and the focal location). In addition, the attribute can determine a three-dimensional shape, such as, for example, a sphere, a right-angle prism, or a cube. Other complex shapes may also be determined using more than one attribute to determine the boundaries of the node data points. Other attributes may also be used to determine the orientation of the nodes in the lookup table (eg, rather than aligning the ellipse axis with the measurement parameter axis of the lookup table). In another example, the minimum and maximum limits of a node may be set using two attributes per node, one for each parameter of the data set.

2次元のノード、及び3次元のノードについて以上に説明したが、本明細書で説明されるノードの特徴付けの長所の1つは、3次元以上のデータのグラフィック表現が、不可能である、又は現実的でない場合でさえ、特徴付けを、3次元を超えて、任意の次元数に容易に拡張することができることである。加えて、本明細書で説明されるノード/属性ベースの微粒子分類の利点は、データがグラフィックスで視覚化されなくてもよいことである。ビットマップ・ベースの従来の分類方法では、データは、微粒子の母集団に対応する各領域に関する境界を生成するため、作成中にビットマップにおいてグラフィックスで表現されることが可能である。しかし、本明細書で説明されるノードの境界は、微粒子分類の測定値、及び/又はルックアップ・テーブル内で或る形状を形成する属性によって決められる。そのような境界の視覚化は、領域を作成するのに必要とされず、したがって、ノードのグラフィック表現は、必要とされない。   While two-dimensional nodes and three-dimensional nodes have been described above, one of the advantages of node characterization described herein is that a graphical representation of three-dimensional or higher data is not possible. Or even if it is not practical, the characterization can be easily extended to any number of dimensions beyond three dimensions. In addition, an advantage of the node / attribute based particle classification described herein is that the data need not be visualized with graphics. In conventional bitmap-based classification methods, data can be represented graphically in a bitmap during creation to generate a boundary for each region corresponding to a population of particulates. However, the node boundaries described herein are determined by particulate classification measurements and / or attributes that form a shape in the lookup table. Such boundary visualization is not required to create the region, and therefore no graphical representation of the nodes is required.

図2のブロック56に戻ると、微粒子分類を示すアルゴリズムが、微粒子の母集団の特性分布に基づいて決められる。前述したとおり、微粒子は、その微粒子が、ルックアップ・テーブルの識別されたロケーション内のノードに対応する微粒子母集団のメンバであるかどうかを判定することにより、或る事前に決めた分類内に分類される。より具体的には、方法は、図2のブロック58に進み、第1のデータ・セットが、ブロック54において識別されたルックアップ・テーブルのロケーションに関連する事前に決めたアルゴリズムに入るかどうかを判定することができる。図2に示されるとおり、第1のデータ・セットが、事前に決めたアルゴリズムに合うことを検出すると、方法は、ブロック60に進むことが可能であり、微粒子は、その微粒子分類内に分類される。そこから、粒子の分類の評価は、一部の実施形態では、ルックアップ・テーブルの識別されたロケーション内に配置されたノードの数にかかわらず、終了することが可能である。しかし、一部の実施形態では、プロセスは、ブロック62に進み、ルックアップ・テーブルの識別されたロケーション内に他の分類ノードが存在するかどうかを判定することが可能である。そのようなオプションが、ブロック60の後に分類プロセスを終了させるステップの代替として、そのようなオプションを区別するように、図2に破線によって表される。   Returning to block 56 of FIG. 2, an algorithm for particle classification is determined based on the characteristic distribution of the particle population. As described above, a particulate is within a predetermined classification by determining whether the particulate is a member of a particulate population corresponding to a node in the identified location of the lookup table. being classified. More specifically, the method proceeds to block 58 of FIG. 2 to determine whether the first data set enters a predetermined algorithm associated with the look-up table location identified in block 54. Can be determined. As shown in FIG. 2, upon detecting that the first data set meets a predetermined algorithm, the method can proceed to block 60, where the particulate is classified within its particulate classification. The From there, the evaluation of the classification of the particles can end in some embodiments regardless of the number of nodes located in the identified location of the lookup table. However, in some embodiments, the process can proceed to block 62 to determine if there are other classification nodes in the identified location of the lookup table. Such options are represented by dashed lines in FIG. 2 to distinguish such options as an alternative to the step of terminating the classification process after block 60.

図2に示されるとおり、方法が、ブロック60から代替のパスに沿って進む場合、又は第1のデータ・セットが、事前に決めたアルゴリズムに合わない場合、方法は、ブロック62に進み、ルックアップ・テーブルの識別されたロケーション内に配置されたさらなるノードが存在するかどうかを判定する。他のノードを全く検出しなかった場合、プロセスは、ブロック64に進み、(ブロック60などにおいて)微粒子が分類されているかどうかを判定する。微粒子が分類されている場合、プロセスは、終了する。しかし、微粒子が、まだ分類されていない場合、微粒子は、ブロック66で棄却分類に分類され、プロセスは、その後、終了する。ブロック66で参照される棄却分類とは、一般に、知られている分類に容易に割り当てられることが可能でない粒子のカテゴリを指す。   As shown in FIG. 2, if the method proceeds along an alternate path from block 60, or if the first data set does not fit a predetermined algorithm, the method proceeds to block 62 and looks Determine if there are additional nodes located in the identified location of the up table. If no other nodes are detected, the process proceeds to block 64 to determine if the particulate is classified (such as at block 60). If the particulate is classified, the process ends. However, if the particulate is not yet classified, the particulate is classified in the reject category at block 66 and the process then ends. The rejection classification referenced in block 66 generally refers to a category of particles that cannot be easily assigned to a known classification.

前述したとおり、本明細書で説明される方法とプログラム命令は、ルックアップ・テーブルの粗いロケーション内の複数のノードを有するテーブルを使用することに特に適用可能である。一部の実施形態では、ブロック10で獲得された第1のデータ・セットが、複数のノードのアルゴリズムを介して処理されて、微粒子に関する分類が特定される。特に、複数のノードに関連するアルゴリズムは、一部の実施形態では、その粒子に関する分類が特定されるまで、順次に処理される。そのような実施形態は、微粒子分類が相容れないケースに関して有利である可能性がある。他の実施形態では、複数のノードに関連する複数のアルゴリズムが、処理されて、データ・セットが、それらのノードに関連する分類の複数に合うかどうかが判定される。そのようなケースでは、分類は、重なり合う特徴付けを有する。或る粒子が、複数のカテゴリ分類に分類される実施形態において、方法は、複数の事前に決めたアルゴリズムのいずれのアルゴリズムが、第1のデータ・セットに最もよく合うかどうかを判定し、その後、その粒子を、その単一の事前に決めたアルゴリズムに関連する微粒子分類内に分類整理することをさらに含む。代替として、方法は、その粒子を、複数の母集団のメンバとして分類整理することを、それらの母集団が相反しない場合に、行うことを含んでもよい。   As mentioned above, the methods and program instructions described herein are particularly applicable to using tables with multiple nodes in the coarse location of the lookup table. In some embodiments, the first data set obtained at block 10 is processed via a multi-node algorithm to identify classifications for particulates. In particular, algorithms associated with multiple nodes are processed sequentially in some embodiments until a classification for the particle is identified. Such an embodiment may be advantageous for cases where particulate classification is incompatible. In other embodiments, multiple algorithms associated with multiple nodes are processed to determine whether the data set fits multiple of the classifications associated with those nodes. In such cases, the classification has overlapping characterization. In embodiments where a particle is classified into multiple categorizations, the method determines whether any of the plurality of predetermined algorithms best fits the first data set, and then Further comprising classifying the particles within a particulate classification associated with the single predetermined algorithm. Alternatively, the method may include classifying the particles as members of a plurality of populations if the populations do not conflict.

いずれにしても、ルックアップ・テーブルの識別されたロケーション内にさらなる分類ノードが存在すると判定すると、方法は、nファクタを1だけ増やして、ブロック56に戻り、第1のデータ・セットが、識別されたロケーション内の別のノードに関連する事前に決めたアルゴリズムに合うかどうかを判定する。その後、方法は、前述したとおり、ブロック58、60、62、64、66を経るように進む。一般に、そのようなステップの構成は、1つ又は複数のノードを含む、又は全くノードを含まないルックアップ・テーブルのロケーションが微粒子を分類するために評価される。前述したとおり、方法は、微粒子を分類する時間が、サンプルに関する可能な全ての分類を評価する方法に比べて、短縮されるように、分類のサーチをいくつかの選定されたノードに有利に絞ることができる。   In any event, upon determining that there are additional classification nodes in the identified location of the lookup table, the method increments the n factor by 1 and returns to block 56 where the first data set is identified. Determine if it matches a predetermined algorithm associated with another node in the designated location. The method then proceeds through blocks 58, 60, 62, 64, 66 as described above. In general, the configuration of such a step is evaluated to classify particles by looking up table locations that contain one or more nodes or no nodes at all. As previously mentioned, the method advantageously narrows the search for classification to a number of selected nodes so that the time to classify the microparticle is reduced compared to a method that evaluates all possible classifications for the sample. be able to.

図5は、微粒子を分類するように構成されたシステムの例示的な実施形態を示す。図5は、一律の縮尺に従わずに描かれていることに留意されたい。特に、この図の諸要素のいくつかの要素のスケールは、それらの要素の特性を強調するように大きく誇張されている。システムのいくつかの要素は、簡明のために、この図に含められていない。図5で、システムは、微粒子12が流れるキュベット10の断面を通る面に沿って示される。一部の実施形態では、キュベットは、標準のフロー・サイトメータにおいて使用されるような、標準の石英キュベットである。しかし、他の任意の適切なタイプの目視チャンバ又は送出チャンバを、分析のためにサンプルを送出するのに使用することができる。   FIG. 5 illustrates an exemplary embodiment of a system configured to classify particulates. Note that FIG. 5 is drawn not to scale. In particular, the scale of some of the elements in this figure is greatly exaggerated to emphasize the characteristics of those elements. Some elements of the system are not included in this figure for the sake of clarity. In FIG. 5, the system is shown along a plane through the cross section of the cuvette 10 through which the particulates 12 flow. In some embodiments, the cuvette is a standard quartz cuvette, such as used in a standard flow cytometer. However, any other suitable type of viewing chamber or delivery chamber can be used to deliver the sample for analysis.

システムは、光源14を含む。光源14は、レーザなどの、当技術分野で知られている任意の適切な光源を含む。光源は、青の光、又は緑の光などの1つ又は複数の波長を有する光を放出するように構成される。光源14は、微粒子がキュベットを流れるにつれ、微粒子に光を当てるように構成される。このように光を当てることにより、微粒子が、1つ又は複数の波長又は波長域を有する蛍光を放出させられる。一部の実施形態では、システムは、光源からの光を微粒子上、又は流路上に集束させるように構成された1つ又は複数のレンズ(図示せず)を含む。また、システムは、複数の光源を含んでもよい。一部のケースでは、光源は、異なる波長又は波長域を有する光(例えば、青の光及び緑の光)を微粒子に当てるように構成される。一部の実施形態では、光源は、異なる方向で微粒子に光を当てるように構成される。   The system includes a light source 14. The light source 14 includes any suitable light source known in the art, such as a laser. The light source is configured to emit light having one or more wavelengths, such as blue light or green light. The light source 14 is configured to illuminate the particulates as they flow through the cuvette. By shining light in this way, the microparticles are allowed to emit fluorescence having one or more wavelengths or wavelength ranges. In some embodiments, the system includes one or more lenses (not shown) configured to focus light from the light source onto the microparticles or onto the flow path. The system may also include a plurality of light sources. In some cases, the light source is configured to irradiate the microparticles with light having different wavelengths or wavelength ranges (eg, blue light and green light). In some embodiments, the light source is configured to illuminate the microparticles in different directions.

微粒子から前方に散乱された光を、折り畳みミラー18、又は別のそのような光方向付け構成要素によって検出システム16に向ける。代替として、検出システム16が、前方に散乱された光の経路に直接に置かれてもよい。このようにして、折り畳みミラー、又は他の光方向付け構成要素は、システムに含められないことも可能である。一部の実施形態では、前方に散乱された光は、図5に示されるとおり、光源14による照明の方向から約180°の角度で微粒子によって散乱された光である。前方に散乱された光の角度は、照明の方向から正確に180°でなく、したがって、光源からの入射光は、検出システムの感光面に当たらない。例えば、前方に散乱された光は、照明の方向から180°より小さい、又は180°より大きい角度で微粒子によって散乱された光(例えば、約170°、約175°、約185°、又は約190°の角度で散乱された光)である。   Light scattered forward from the microparticles is directed to the detection system 16 by a folding mirror 18 or another such light directing component. Alternatively, the detection system 16 may be placed directly in the forward scattered light path. In this way, folding mirrors or other light directing components may not be included in the system. In some embodiments, the forward scattered light is light scattered by the microparticles at an angle of about 180 ° from the direction of illumination by the light source 14, as shown in FIG. The angle of the light scattered forward is not exactly 180 ° from the direction of illumination, so that incident light from the light source does not strike the photosensitive surface of the detection system. For example, forward scattered light may be scattered by particulates at an angle less than 180 ° or greater than 180 ° from the direction of illumination (eg, about 170 °, about 175 °, about 185 °, or about 190 Light scattered at an angle of °).

また、照明の方向から約90°の角度で微粒子によって散乱された光も、収集される。一実施形態では、この散乱された光は、1つ又は複数のビーム・スプリッタ又はダイクロイック・ミラーによって複数の光線に分離される。例えば、照明の方向に約90°の角度で散乱された光が、ビーム・スプリッタ20によって異なる2つの光線に分離される。この2つの異なる光線が、ビーム・スプリッタ22、24によって再び分離されて、異なる4つの光線とされる。これらの光線のそれぞれは、1つ又は複数の検出器を含む異なる検出システムに向けられる。例えば、その4つの光線の1つが、検出システム26に向けられる。検出システム26は、微粒子によって散乱された光を検出するように構成される。   Also, the light scattered by the microparticles at an angle of about 90 ° from the direction of illumination is collected. In one embodiment, the scattered light is separated into a plurality of rays by one or more beam splitters or dichroic mirrors. For example, light scattered at an angle of about 90 ° in the direction of illumination is separated by the beam splitter 20 into two different rays. The two different rays are again separated by the beam splitters 22 and 24 into four different rays. Each of these rays is directed to a different detection system that includes one or more detectors. For example, one of the four rays is directed to the detection system 26. The detection system 26 is configured to detect light scattered by the microparticles.

検出システム16及び/又は検出システム26によって検出された散乱光は、概ね、光源によって光が当てられる微粒子の体積に比例する。したがって、検出システム16の出力信号、及び/又は検出システム26の出力信号を使用して、照明ゾーン又は検出ウインドウの中にある微粒子の直径及び/又は体積が算出される。さらに、検出システム16及び/又は検出システム26の出力信号を使用して、一緒にくっついた、又はほぼ同時に照明ゾーンを通過する複数の微粒子が識別される。したがって、そのような微粒子が、他のサンプル微粒子や検定微粒子から区別される。さらに、検出システム16及び/又は検出システム26の出力信号を使用して、サンプル微粒子と検定微粒子が区別されることも可能である。   The scattered light detected by the detection system 16 and / or the detection system 26 is generally proportional to the volume of the particulate that is illuminated by the light source. Accordingly, the output signal of the detection system 16 and / or the output signal of the detection system 26 is used to calculate the diameter and / or volume of the particulates within the illumination zone or detection window. In addition, the output signals of detection system 16 and / or detection system 26 are used to identify a plurality of particulates that have stuck together or that pass through the illumination zone at about the same time. Therefore, such microparticles are distinguished from other sample microparticles and assay microparticles. In addition, the output signal of the detection system 16 and / or the detection system 26 can be used to distinguish between sample and assay particles.

その他の3つの光線は、検出システム28、30、32に向けられる。検出システム28、30、32は、微粒子によって放出された蛍光を検出するように構成される。検出システムのそれぞれは、異なる波長、又は異なる範囲の波長の蛍光を検出するように構成される。例えば、それらの検出システムの1つは、緑の蛍光を検出するように構成される。検出システムの別の1つは、黄−橙色の蛍光を検出するように構成され、残りの検出システムは、赤の蛍光を検出するように構成される。一部の実施形態では、スペクトル・フィルタ34、36、38がそれぞれ、検出システム28、30、32に結合される。スペクトル・フィルタは、検出システムが検出するように構成された波長以外の波長の蛍光を阻止するように構成される。さらに、1つ又は複数のレンズ(図示せず)が、検出システムのそれぞれに光学的に結合される。それらのレンズは、散乱された光、又は放出された蛍光を、検出器の感光面上に集束させるように構成される。   The other three rays are directed to the detection system 28, 30, 32. Detection systems 28, 30, 32 are configured to detect fluorescence emitted by the microparticles. Each of the detection systems is configured to detect fluorescence at different wavelengths, or different ranges of wavelengths. For example, one of those detection systems is configured to detect green fluorescence. Another one of the detection systems is configured to detect yellow-orange fluorescence and the remaining detection systems are configured to detect red fluorescence. In some embodiments, spectral filters 34, 36, 38 are coupled to detection systems 28, 30, 32, respectively. The spectral filter is configured to block fluorescence at wavelengths other than those configured to be detected by the detection system. In addition, one or more lenses (not shown) are optically coupled to each of the detection systems. The lenses are configured to focus scattered light, or emitted fluorescence, onto the photosensitive surface of the detector.

検出器の出力電流のそれぞれは、その検出器に当たる蛍光に比例し、電流パルスを提供する。この電流パルスが、電圧パルスに変換され、ローパス・フィルタリングされ、次いで、A/D変換器によってデジタル化される。この変換、フィルタリング、デジタル化は、当技術分野で知られている任意の適切な構成要素を使用して実行される。後段で説明するとおり、サンプル微粒子の識別を特定するのに使用される検出システム(例えば、検出システム28及び30)は、APD(アバランシェ・フォトダイオード)、PMT(光電子増倍管)、又は別の光検出器である。微粒子の表面で生じる反応を識別するのに使用される検出システム(例えば、検出システム32)は、PMT、APD、又は別の形態の光検出器であることが可能である。   Each of the detector output currents is proportional to the fluorescence striking that detector and provides a current pulse. This current pulse is converted to a voltage pulse, low pass filtered and then digitized by an A / D converter. This conversion, filtering, and digitization is performed using any suitable component known in the art. As described below, the detection system (eg, detection systems 28 and 30) used to identify the sample particulates can be an APD (avalanche photodiode), a PMT (photomultiplier tube), or another It is a photodetector. The detection system (eg, detection system 32) used to identify reactions that occur at the surface of the microparticles can be a PMT, APD, or another form of photodetector.

図5のシステムは、異なる染色特性を有する微粒子を区別するために2つの検出ウインドウを有する2つの検出システムを含むものとして示され、以下に説明されるが、システムは、2つより多くのそのような検出ウインドウ(すなわち、3つの検出ウインドウ、4つの検出ウインドウなど)を含んでもよいことを理解されたい。そのような実施形態では、システムは、さらなるビーム・スプリッタや、他の検出ウインドウを有するさらなる検出システムを含むことが可能である。加えて、スペクトル・フィルタ及び/又はレンズが、さらなる検出システムのそれぞれに結合されてもよい。別の実施形態では、システムは、微粒子の表面で反応させられる異なる物質を区別するように構成された2つ以上の検出システムを含む。異なる反応物質は、微粒子の染色特性とは異なる染色特性を有する。   The system of FIG. 5 is shown as including two detection systems with two detection windows to distinguish microparticles having different staining characteristics, and is described below, but the system has more than two It should be understood that such detection windows (ie, three detection windows, four detection windows, etc.) may be included. In such embodiments, the system may include additional detection systems with additional beam splitters and other detection windows. In addition, a spectral filter and / or lens may be coupled to each of the further detection systems. In another embodiment, the system includes two or more detection systems configured to distinguish different materials that are reacted on the surface of the microparticles. Different reactants have staining characteristics that are different from the staining characteristics of the microparticles.

また、システムは、プロセッサ40も含む。プロセッサ40は、1つ又は複数の伝送媒体、及び、オプションとして、プロセッサと検出器の間に置かれた1つ又は複数の構成要素によって検出器に結合される。例えば、プロセッサ40は、伝送媒体42によって検出システム26に結合される。伝送媒体には、当技術分野で知られている任意の適切な伝送媒体が含まれ、「有線」部分と「無線」部分が含まれる。プロセッサは、一例では、蛍光の明るさを表す数値を提供するパルス下の領域を組み込むように構成されたDSPを含む。また、プロセッサは、本明細書で説明される実施形態のステップの1つ又は複数を実行するように構成される。   The system also includes a processor 40. The processor 40 is coupled to the detector by one or more transmission media and, optionally, one or more components located between the processor and the detector. For example, the processor 40 is coupled to the detection system 26 by a transmission medium 42. Transmission media includes any suitable transmission media known in the art and includes a “wired” portion and a “wireless” portion. The processor, in one example, includes a DSP configured to incorporate a region under the pulse that provides a numerical value representing the brightness of the fluorescence. The processor is also configured to perform one or more of the steps of the embodiments described herein.

一部の実施形態では、微粒子によって放出される蛍光から生成された出力信号を使用して、微粒子の識別、及び微粒子の表面で生じる反応についての情報が特定される。例えば、検出システムのうち2つのシステムの出力信号を使用して、本明細書で説明されるとおり、微粒子の識別が特定され、残りの検出システムの出力信号を使用して、微粒子の表面で生じている、又は生じた反応が特定される。したがって、検出器とスペクトル・フィルタの選択は、微粒子に組み込まれる、又は結合される色素のタイプ、及び/又は測定されている反応(すなわち、反応に関与する反応物質に組み込まれた、又は結合された色素)に応じて、異なる。検出システム16、26、28、30、32によって生成された値が、本明細書で説明される方法において使用されてもよい。   In some embodiments, the output signal generated from the fluorescence emitted by the microparticles is used to identify information about the microparticle identification and reactions that occur on the surface of the microparticles. For example, using the output signals of two of the detection systems, the identification of the particulate is identified as described herein, and the remaining detection system output signals are used to generate at the surface of the particulate. The reaction that is or has occurred is identified. Thus, the choice of detector and spectral filter can be determined by the type of dye incorporated or bound to the microparticle and / or the reaction being measured (ie, incorporated or bound to the reactant involved in the reaction). Depending on the pigment). Values generated by the detection systems 16, 26, 28, 30, 32 may be used in the methods described herein.

図5に示されるシステムは、本明細書で説明される実施形態に従って微粒子を分類するように構成される。一部の実施形態では、システムは、記憶媒体44を含む。記憶媒体44は、ルックアップ・テーブル46とともに、プログラム命令45も含む。記憶媒体及びルックアップ・テーブルは、本明細書で説明されるとおり構成される。一部の実施形態では、プロセッサ40は、ルックアップ・テーブル46を、微粒子に関して獲得されたデータと組み合わせて使用して、微粒子を分類するように構成される。データが、本明細書で説明されるとおり獲得される。このようにして、測定システムのプロセッサは、本明細書で説明されるとおり、微粒子を分類するように構成される。代替として、スタンドアロンのコンピュータ・システムのプロセッサなどの、実際には、測定システムの一部分ではないが、測定システムに結合された(例えば、伝送媒体によって)プロセッサが、本明細書で説明されるとおり、微粒子を分類するように構成される。   The system shown in FIG. 5 is configured to classify microparticles according to embodiments described herein. In some embodiments, the system includes a storage medium 44. Storage medium 44 includes program instructions 45 as well as look-up table 46. The storage medium and the lookup table are configured as described herein. In some embodiments, the processor 40 is configured to classify the particulates using the lookup table 46 in combination with the data acquired for the particulates. Data is acquired as described herein. In this way, the processor of the measurement system is configured to classify the microparticles as described herein. Alternatively, a processor that is not actually part of the measurement system, but is coupled to the measurement system (e.g., via a transmission medium), such as a processor in a stand-alone computer system, as described herein, Configured to classify particulates.

本明細書で説明される方法のような方法を実施するプログラム命令は、伝送される、又は記憶媒体(例えば、記憶媒体44)上に格納される。記憶媒体には、読み取り専用メモリ、ランダム・アクセス・メモリ、磁気ディスク又は光ディスク、あるいは磁気テープが含まれるが、以上には限定されない。或る実施形態では、プロセッサ40のようなプロセッサが、前述した実施形態によるコンピュータによって実施される方法を実行するプログラム命令を実行するように構成される。プロセッサは、パーソナル・コンピュータ・システム、メインフレーム・コンピュータ・システム、ワークステーション、ネットワーク・アプリケーション、インターネット機器、PDA(パーソナル・デジタル・アシスタント)、DSP(デジタル・シグナル・プロセッサ)、FPGA(フィールド・プログラマブル・ゲート・アレイ)、又はその他を含め、様々な形態をとることが可能である。一般に、「コンピュータ・システム」という用語は、メモリ媒体から命令を実行する、1つ又は複数のプロセッサを有する任意のデバイスを包含するように広く定義される。プログラム命令は、とりわけ、プロシージャ・ベースの技術、コンポーネント・ベースの技術、及び/又はオブジェクト指向技術を含め、様々な仕方のいずれで実施されてもよい。例えば、プログラム命令は、所望に応じて、ActiveXコントロール、C++オブジェクト、Java(登録商標)Beans、Microsoft Foundation Class(「MFC」)、又は他の技術もしくは方法を使用して実施されることが可能である。   Program instructions that implement a method, such as the method described herein, are transmitted or stored on a storage medium (eg, storage medium 44). Storage media includes, but is not limited to, read only memory, random access memory, magnetic disk or optical disk, or magnetic tape. In some embodiments, a processor, such as processor 40, is configured to execute program instructions that perform a computer-implemented method according to the foregoing embodiments. Processors include personal computer systems, mainframe computer systems, workstations, network applications, Internet equipment, PDAs (personal digital assistants), DSPs (digital signal processors), FPGAs (field programmable programmable). Various forms, including (gate arrays), or others. In general, the term “computer system” is broadly defined to encompass any device having one or more processors that execute instructions from a memory medium. Program instructions may be implemented in any of a variety of ways, including, among other things, procedure-based techniques, component-based techniques, and / or object-oriented techniques. For example, program instructions can be implemented using ActiveX controls, C ++ objects, Java® Beans, Microsoft Foundation Class (“MFC”), or other techniques or methods as desired. is there.

本発明は、微粒子を分類するための方法、データ構造、システムを提供すると考えられていることは、本開示を利用する当業者には理解されよう。本発明の様々な態様のさらなる変形形態、代替の実施形態が、以上の説明に鑑みて当業者には明白となろう。したがって、以上の説明は、単に例示的であるものと解釈されるべきであり、本発明を実施する一般的な仕方を当業者に教示することを目的としている。本明細書で図示され、説明される本発明の形態は、現在、好ましいとされる実施形態であるものと解釈されるべきであることを理解されたい。本発明の説明を利用した後、当業者には全て明白となるとおり、要素及び材料が、本明細書で図示され、説明されるものに代用されることが可能であり、部分及びプロセスが、逆転されることが可能であり、本発明のいくつかの特徴が、独立に利用されることが可能である。添付の特許請求の範囲に記載されるとおり、本発明の趣旨及び範囲を逸脱することなく、本明細書で説明される要素に変更が加えられることが可能である。   Those skilled in the art using the present disclosure will appreciate that the present invention is believed to provide methods, data structures, and systems for classifying particulates. Further variations and alternative embodiments of the various aspects of the present invention will become apparent to those skilled in the art in view of the foregoing description. Accordingly, the foregoing description is to be construed as illustrative only and is for the purpose of teaching those skilled in the art the general manner of carrying out the invention. It should be understood that the forms of the invention shown and described herein are to be construed as the presently preferred embodiments. After utilizing the description of the present invention, elements and materials can be substituted for what is shown and described herein, as will be apparent to those skilled in the art, It can be reversed and some features of the invention can be utilized independently. Changes may be made in the elements described herein without departing from the spirit and scope of the invention as set forth in the appended claims.

微粒子がメンバであることが可能な母集団に対応する分類空間を含む2次元グラフである。It is a two-dimensional graph including a classification space corresponding to a population in which particles can be members. 微粒子を分類するための方法を示す流れ図である。2 is a flow diagram illustrating a method for classifying particulates. ルックアップ・テーブルの様々な実施形態を示す概略図である。FIG. 3 is a schematic diagram illustrating various embodiments of a lookup table. ルックアップ・テーブルの様々な実施形態を示す概略図である。FIG. 3 is a schematic diagram illustrating various embodiments of a lookup table. 微粒子を分類するように構成されたシステムの一実施形態を示す概略図である。1 is a schematic diagram illustrating one embodiment of a system configured to classify particulates. FIG.

Claims (8)

微粒子の測定可能なパラメータに対応する第1のデータ・セットを獲得するステップと、
前記測定可能なパラメータの少なくとも1つに関連する値によって組み立てられたルックアップ・テーブルの、前記第1のデータ・セットが対応するロケーションを識別するステップと、
前記ルックアップ・テーブルの前記識別されたロケーションに関連する複数の微粒子分類の異なる微粒子分類をそれぞれが示す、1つ又は複数の事前に決めたアルゴリズムに、前記第1のデータ・セットが合うかどうかを判定するステップと、
前記識別するステップ及び前記判定するステップの後、前記第1のデータ・セットが、前記1つ又は複数の事前に決めたアルゴリズムに合うかどうかを前記判定するステップに基づき、少なくとも1つの事前に決めたカテゴリ分類内に前記微粒子を分類するステップと
を含むコンピュータによって実施される方法。
Obtaining a first data set corresponding to a measurable parameter of the particulate;
Identifying a location to which the first data set corresponds of a look-up table assembled with values associated with at least one of the measurable parameters;
Whether the first data set meets one or more predetermined algorithms, each indicating a different particle classification of a plurality of particle classifications associated with the identified location of the lookup table Determining
After the identifying step and the determining step, at least one pre-determined based on the determining step whether the first data set fits the one or more pre-determined algorithms. Further comprising the step of classifying said particulates within a further category classification.
前記微粒子を前記分類するステップは、
前記第1のデータ・セットが、前記少なくとも1つの微粒子分類に関連する事前に決めたアルゴリズムに合うと判定すると、前記微粒子分類の少なくとも1つの分類内に前記微粒子を分類するステップと、
前記第1のデータ・セットが、前記1つ又は複数の事前に決めたアルゴリズムに合わないと判定すると、棄却分類内に前記微粒子を分類するステップの1つを含む請求項1に記載の方法。
The step of classifying the fine particles comprises:
Classifying the particulates within at least one of the particulate classifications if the first data set is determined to meet a predetermined algorithm associated with the at least one particulate classification;
The method of claim 1, comprising one of the steps of classifying the particulate in a rejection classification if the first data set determines that it does not match the one or more predetermined algorithms.
前記第1のデータ・セットが、前記1つ又は複数の事前に決めたアルゴリズムに合うかどうかを前記判定するステップは、前記第1のデータ・セットが、事前に決めたカテゴリ分類に分類されるまで、前記1つ又は複数の事前に決めたアルゴリズム内で前記データ・セットを繰り返し処理するステップを含む請求項1に記載の方法。   The step of determining whether the first data set fits the one or more predetermined algorithms includes classifying the first data set into a predetermined categorization. The method of claim 1 including the step of iteratively processing the data set within the one or more predetermined algorithms. 前記微粒子を前記分類するステップは、前記第1のデータ・セットが、複数の前記事前に決めたアルゴリズムに合うと判定すると、複数の微粒子分類内に前記微粒子を分類するステップを含む請求項1に記載の方法。   The step of classifying the particles comprises classifying the particles within a plurality of particle classifications when the first data set determines that the plurality of predetermined algorithms are met. The method described in 1. 前記第1のデータ・セットに最もよく合う前記複数の事前に決めたアルゴリズムの単一の事前に決めたアルゴリズムを特定するステップと、
前記単一の事前に決めたアルゴリズムに関連する微粒子分類内に前記粒子を分類整理するステップとをさらに含む請求項4に記載の方法。
Identifying a single predetermined algorithm of the plurality of predetermined algorithms that best fits the first data set;
5. The method of claim 4, further comprising the step of classifying the particles within a particle classification associated with the single predetermined algorithm.
前記ルックアップ・テーブルの前記ロケーションを識別するステップは、前記ルックアップ・テーブルの粗いロケーションを識別するステップを含む請求項1に記載の方法。   The method of claim 1, wherein identifying the location of the lookup table includes identifying a coarse location of the lookup table. 前記ルックアップ・テーブルの前記ロケーションを識別するステップに先立ち、前記第1のデータ・セットの1つ又は複数の個別の値とそれぞれ互いに関係する1つ又は複数の包括値を含む第2のデータ・セットを作成するステップをさらに含み、前記包括値のそれぞれは、対応する測定可能なパラメータに関する或る範囲の可能な値を表し、前記ルックアップ・テーブルは、前記測定可能なパラメータの少なくとも1つのパラメータの包括値によって組み立てられ、前記ルックアップ・テーブルの前記ロケーションを識別する後続のステップは、前記第2のデータ・セットが対応する前記ルックアップ・テーブルのロケーションを識別するステップを含む請求項1に記載の方法。   Prior to the step of identifying the location of the lookup table, a second data-comprising one or more inclusive values each associated with one or more individual values of the first data set. Further comprising creating a set, wherein each of the global values represents a range of possible values for a corresponding measurable parameter, and the lookup table includes at least one parameter of the measurable parameter The subsequent step of identifying the location of the look-up table assembled by the inclusive values of comprises the step of identifying the location of the look-up table to which the second data set corresponds. The method described. プロセッサと、
微粒子の1つ又は複数の測定可能なパラメータによって組み立てられたルックアップ・テーブルと、
前記プロセッサによって実行可能なプログラム命令を含む記憶媒体と
を含み、前記プログラム命令が、
微粒子の測定可能なパラメータに対応するデータ・セットを獲得するステップと、
前記データ・セットが対応する前記ルックアップ・テーブルのロケーションを識別するステップと、
前記ルックアップ・テーブルの前記識別されたロケーションに関連する複数の微粒子分類の異なる微粒子分類をそれぞれが示す、1つ又は複数の事前に決めたアルゴリズムに、前記第1のデータ・セットが合うかどうかを判定するステップと、
前記獲得するステップ、前記識別するステップ、前記判定するステップの後、前記データ・セットが、前記1つ又は複数の事前に決めたアルゴリズムに合うかどうかを前記判定することに基づき、少なくとも1つの事前に決めたカテゴリ分類内に前記微粒子を分類するステップとを実行可能である、システム。
A processor;
A look-up table assembled with one or more measurable parameters of the particulate;
A storage medium containing program instructions executable by the processor, the program instructions
Obtaining a data set corresponding to the measurable parameters of the particulate;
Identifying the location of the lookup table to which the data set corresponds;
Whether the first data set meets one or more predetermined algorithms, each indicating a different particle classification of a plurality of particle classifications associated with the identified location of the lookup table Determining
After the obtaining step, the identifying step, and the determining step, based on the determining whether the data set fits the one or more predetermined algorithms, at least one prior And a step of classifying the particulates within a predetermined category classification.
JP2008525093A 2005-08-02 2006-08-01 Methods, data structures and systems for classifying particulates Withdrawn JP2009503547A (en)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US70469905P 2005-08-02 2005-08-02
PCT/US2006/029806 WO2007016517A1 (en) 2005-08-02 2006-08-01 Methods, data structures, and systems for classifying microparticles

Publications (2)

Publication Number Publication Date
JP2009503547A true JP2009503547A (en) 2009-01-29
JP2009503547A5 JP2009503547A5 (en) 2010-07-29

Family

ID=37402565

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2008525093A Withdrawn JP2009503547A (en) 2005-08-02 2006-08-01 Methods, data structures and systems for classifying particulates

Country Status (8)

Country Link
US (1) US8060316B2 (en)
EP (1) EP1913507A1 (en)
JP (1) JP2009503547A (en)
KR (1) KR20080034012A (en)
CN (2) CN101278294B (en)
CA (1) CA2617678A1 (en)
HK (1) HK1124938A1 (en)
WO (1) WO2007016517A1 (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016008957A (en) * 2014-06-26 2016-01-18 アズビル株式会社 Particle detection device and method for detecting particles
JP2016008958A (en) * 2014-06-26 2016-01-18 アズビル株式会社 Particle inspection device and method for detecting particles

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104732199B (en) * 2008-07-17 2018-06-05 卢米耐克斯公司 For configuring the method for the specification area in classification matrix and storage medium
CN101762448B (en) * 2008-12-17 2013-03-13 深圳迈瑞生物医疗电子股份有限公司 Method for classifying particles and device for detecting particles
JP5937780B2 (en) 2010-11-11 2016-06-22 ソニー株式会社 Fluorescence spectrum correction method and fluorescence spectrum measuring apparatus
TWI654419B (en) * 2011-08-29 2019-03-21 美商安美基公司 Method and apparatus for non-destructive detection - undissolved particles in a fluid
ES2959506T3 (en) 2014-03-18 2024-02-26 Univ California Parallel flow cytometer using radiofrequency multiplexing, and method
CN108474728B (en) 2015-10-13 2022-04-26 贝克顿·迪金森公司 Multi-modality fluorescence imaging flow cytometry system
KR20180129832A (en) 2016-03-17 2018-12-05 비디 바이오사이언시스 Cell selection using a high-efficiency fluorescence flow cytometer
WO2019209723A1 (en) * 2018-04-26 2019-10-31 Becton, Dickinson And Company Characterization and sorting for particle analyzers
JP2022529196A (en) * 2019-04-19 2022-06-20 ベクトン・ディキンソン・アンド・カンパニー Subsampling of flow cytometry event data
CN111444191B (en) * 2019-06-13 2021-10-12 黄亚娟 Cosmic space data system, method, computer device and storage medium
JP7561822B2 (en) * 2019-07-10 2024-10-04 ベクトン・ディキンソン・アンド・カンパニー Reconfigurable integrated circuits for coordinating cell sorting
CN111583539B (en) * 2020-04-17 2022-04-01 温州大学 Automatic goods placing and network selling system

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4661913A (en) 1984-09-11 1987-04-28 Becton, Dickinson And Company Apparatus and method for the detection and classification of articles using flow cytometry techniques
US5739000A (en) 1991-08-28 1998-04-14 Becton Dickinson And Company Algorithmic engine for automated N-dimensional subset analysis
JP2581514B2 (en) 1991-08-28 1997-02-12 ベクトン・ディッキンソン・アンド・カンパニー Gravity attractor engine that adaptively and automatically clusters N-dimensional data streams
DE69426948T2 (en) 1993-02-09 2001-10-11 Becton Dickinson And Co., Franklin Lakes Automatic determination of the cell line of severe leukaemias by flow cytometry
US5981180A (en) 1995-10-11 1999-11-09 Luminex Corporation Multiplexed analysis of clinical specimens apparatus and methods
US6449562B1 (en) 1996-10-10 2002-09-10 Luminex Corporation Multiplexed analysis of clinical specimens apparatus and method
AU4710800A (en) 1999-05-12 2000-11-21 Axys Pharmaceuticals, Inc. Methods of software driven flow sorting for reiterative synthesis cycles
US7043500B2 (en) 2001-04-25 2006-05-09 Board Of Regents, The University Of Texas Syxtem Subtractive clustering for use in analysis of data
EP1448789A4 (en) 2001-10-30 2007-01-03 Nanomics Biosystems Pty Ltd Device and methods for directed synthesis of chemical libraries
EP2413136B1 (en) * 2003-07-18 2013-07-03 Bio-Rad Laboratories, Inc. System and method for multi-analyte detection
US7389879B2 (en) * 2004-01-21 2008-06-24 Hewlett-Packard Development Company, L.P. Sorting particles

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016008957A (en) * 2014-06-26 2016-01-18 アズビル株式会社 Particle detection device and method for detecting particles
JP2016008958A (en) * 2014-06-26 2016-01-18 アズビル株式会社 Particle inspection device and method for detecting particles

Also Published As

Publication number Publication date
KR20080034012A (en) 2008-04-17
CN101799398B (en) 2013-06-05
CN101799398A (en) 2010-08-11
EP1913507A1 (en) 2008-04-23
CN101278294B (en) 2013-04-10
US20100241360A1 (en) 2010-09-23
CA2617678A1 (en) 2007-02-08
US8060316B2 (en) 2011-11-15
CN101278294A (en) 2008-10-01
WO2007016517A1 (en) 2007-02-08
WO2007016517B1 (en) 2007-04-05
HK1124938A1 (en) 2009-07-24

Similar Documents

Publication Publication Date Title
JP2009503547A (en) Methods, data structures and systems for classifying particulates
USRE49543E1 (en) Fine particle measuring apparatus
JP6215454B2 (en) Image flow cytometer, system and method
US20220082488A1 (en) Methods of forming multi-color fluorescence-based flow cytometry panel
US10830643B2 (en) Spectral microscope
US8779387B2 (en) Method and system for detecting fluorochromes in a flow cytometer
JP2007518106A (en) Method for changing one or more parameters of a measurement system
US20240027457A1 (en) High parameter reagent panel and reagent kit for effective detection of aberrant cells in acute myeloid leukemia
WO2021182031A1 (en) Particle analysis system and particle analysis method
US20240027448A1 (en) B cell monitoring reagent panel and reagent kit for analyzing b cell subsets in anti-cd20 treated autoimmune patients
US8716026B2 (en) Methods and systems for determining composition and completion of an experiment
US20240159757A1 (en) High parameter 20 color panel for effective detection of aberrant cells in acute myeloid leukemia
US20240210397A1 (en) High parameter flow cytometric assay to identify human myeloid derived suppressive cells
US20240337581A1 (en) Methods and aparatus for a twenty-five-color fluorescence-based assay and flow cytometry panel
US20240027447A1 (en) Methods and aparatus for a mouse surface and intracellular flow cytometry immunophenotyping kit
WO2023240165A2 (en) Methods and apparatus for a twenty-five-color fluorescence-based assay and flow cytometry panel
CN112683758A (en) Particle analysis method and device and particle sorting equipment

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20090703

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20100601

A761 Written withdrawal of application

Free format text: JAPANESE INTERMEDIATE CODE: A761

Effective date: 20110404